第102回 化学反応装置の異状診断 その6
ここでΘ（t）は、この化学反応装置の状態変数と 未知パラメータからなるベクトル、g（t）は装置、 未知パラメータを連立したシステムの関数、 w（t）はシステムノイズである。 w1（t）はw1（t）＝w（t）である。 w2...続きを見る
ここでΘ（t）は、この化学反応装置の状態変数と 未知パラメータからなるベクトル、g（t）は装置、 未知パラメータを連立したシステムの関数、 w（t）はシステムノイズである。 w1（t）はw1（t）＝w（t）である。 w2...続きを見る
次に上の推定値を利用して拡張カルマンフィルタを設計する。 いま（2）の触媒性能の劣化は頻度ファクタk0の減少、 （3）の熱交換器表面の汚れはhの減少として、 またC7H16の不足はd1（t）の減少として とらえることがで...続きを見る
また式（8・6）の行列WをW=[0 1 0 0]と選ぶと となる。式（8・7）～式（8・12）の係数行列を求めると となる。Fは安定であり、上式は観測器である。 上係数を観測器の方程式に代入すると なる観測器を得る。続きを見る
またW（t）をu（t）の測定におけるノイズとすると、この化学反応装置の 集中定数モデルは次のように与えられる。 となる。ベクトル、行列を次のように適宜する。 これらのベクトル、行列を用いると、この画家く反応装置の状態方程...続きを見る
他のプロセスパラメータは一定と仮定して次のような 値を持つものとする。 Cp：比熱（J/g mol K）[490.7] ρ：密度（g mol/㎥）[593] h：全体の熱伝達係数（J/㎡hr K）6.069×105 a：...続きを見る
＜例9・1＞ 化学反応装置の異状診断 図9・1に示す触媒を用いたヘプタン→トルエン反応装置の 異状診断問題を考える。ここで、あらかじめ想定される故障は 次のものとする。 （1）不完全反応 （2）触媒性能の物理、化学的原因...続きを見る
9・3 近似離散値化モデルを利用する方法 式（9・1）で与えられるシステムの全状態変数が 測定されるか、8・2・1あるいは8・2・3で述べた 状態観測器により全状態が推定できる場合を考える。 このとき、式（9・1）のシス...続きを見る
いま次のような行列を定義する。 ここで、F(t)：（n+l）×（n×l）次元の行列で g（x、u、p、t）のΘ（t）に対するヤコビアン、 Q：（n+l）×（n×l）次元のw（t）の共分散行列、 Rc：m×m次元のv（t）...続きを見る
9・2 拡張カルマンフィルタとその異状診断への応用 式（9・1）で与えられる未知パラメータ、未知状態変数を含むシステムを 等価な別の方程式で表現する。システムの未知パラメータpはシステムの 故障により変化するがその後一定...続きを見る
（2）拡張カルマンフィルタ（extended Kalman filter） 拡張カルマンフィルタとは状態推定法であるカルマンフィルタを拡張し、 状態と未知パラメータを同時に推定する方法である。 問題の定式化は簡単であるが...続きを見る
(1)繰り返しパラメータ最適化法 測定された入力u（t）に対し測定された出力をy（t）とする。 いま同じ入力に対し、ある適当なパラメータpのもとにおける 出力応答[これは式（9・1）を解くことによって求めることが出来る]...続きを見る
9・1 パラメータ推定法 システムの故障、異状の原因はシステムを構成する要素、 部品のパラメータ変化としてとらえることができる〔図1・1（b）参照〕。 どのパラメータがそれだけ変化したかが分かれば、 かなり詳細にシステム...続きを見る
表8・4に示す各パラメータの正常値から同表に示すだけ t=20secで変化したとする。このときのeia（t）、eωr（t）を それぞれ、ωr（t）で 正規化した場合のグラフを図8・6（A）～（E）にそれぞれ 故障（A）、...続きを見る
全く同様にして、パラメータJ、D、Mが正常値を持つと 仮定して、観測器式（8・49）からの正しい測定値 、を使用した観測器を設計する、観測器の方程式は となる。この観測器より測定されるは、 D、J、Mの値が正常値のときの...続きを見る
さらに異状の原因を調べるために式（8・49）の観測結果を 利用して、次の二つの特別な観測器を作る。いま 故障（A）、（B）が起こる可能性があるにもかかわらず Ra、La、Mは正常の値を持つものと仮定する。 式（8・49）...続きを見る
式（8・29）、（8・30）、（8・33）および式（8・35）より K11はK11≠0なる任意定数 となり、上の行列を用いて線形変換したモータの方程式より が求められる。F(x、u、pk、t)=Rf/Lfであることより ...続きを見る
さらに表8・2の組No.1、No.3を除き常に であり、条件（2）の中の式（8・42）の式中で使われるD、Hは求まらない。 したがって No.1、No.3の組の実が観測器設計の可能性がある。 No.1の測定コストはNo....続きを見る
励磁回路は固定子側にあり故障する確率は低く正常と仮定する。 したがって、このモータにおける未知パラメータは Ra、La、M、D、Jである。 いま とすると、このモータの状態方程式は で与えられる。いま、このモータから直接...続きを見る
＜例 8・2＞状態推定法による直流モータの異状検知 図8・5に分巻直流モータを示す。このモータのモデルは 次の非線形微分方程式で与えられる。 ここで、if：励磁電流、ia：回転子電流、ωr：回転速度、V：人力電圧、 Rf...続きを見る
＜手順1＞ システム変量l個以上を一組とする組を作り、各組につき コストの低い順に番号をつける。 サフィックスの番号が大きいほど測定コストは高い。 理論的にはこの組の数は となり多くの組が作られる。 ＜手順2＞ i=lと...続きを見る
8・2・4 異状検知のための最小コスト測定量の選定への応用 故障があらかじめ特定でき、その呼称がsystemパラメータの変化として 検出されるような非線形システムは式（8・25）で記述される。 また、このシステムのすべて...続きを見る
これより式（3・35）の推定値は となる。式（8・）39[=式（8・34）]は安定であるのでe（t）はt→∞とともに e（t）→0となる。したがって、式（8・40）よりt→∞とともに となる。 よって式（8・35）は式（...続きを見る
次にはt→∞とともにとなることを証明し、 式（8・35）はシステム（8・25）の観測器であることを証明する。 観測器の微分方程式（8・35）はもとのシステム（8・25）を線形変換して 得られる方程式の部分方程式であり、式...続きを見る
ここで D：n×m次元定数係数行列でk0が定まれば自動的に定まる H：n×(n-m)次元定係数行列でDと同じくk0が定まれば自動的に定まる 式（8・26）により線形変換された新しい状態ベクトルを 利用してシステム式（8・...続きを見る
8・2・3 時変形線形観測器 8・2・1では線形項を道パラメータ、非線形要素を含む項の輪で 記述されたシステムの異状検知用観測器設計について述べた。 ここではより一般的に既知のパラメータしか含まない非線形項目と、 故障に...続きを見る
図8・3にはδT0（t）＝T0（t）－T0*を直接測定した結果、 推定値、真理を示している。推定値はほぼ真値に一致し、 測定値は推定値（真理）と異なる。 これよりこの測定器（温度計）故障していることが分かる。いま よし、...続きを見る
いま測定値y（t）、u（ｔ）を利用した観測器を設計する。 式（8・6）より 式（8・13）よりA0、H0を求めると となり、A0とH0は可観測ではないがF＝A0-K0H0＝A0となる。 A0の固有値は｛-0.3204、-...続きを見る
今次のように、ベクトル、非線形関数、行列を定義する。 とすると、この化学反応装置の状態方程式は次式のようになる。続きを見る
ここで ρCp：反応炉の体積熱容量（J/㎥）[2.24×106] ΔH：反応熱（J/kg mol）[-9.30×107] A：実行熱交換面積（㎡）[46.5] Ti：入力温度（K）[456] Tm：加熱水メタル温度（K）...続きを見る
＜例8・1＞ 化学プロセスの計器の異状検知 図8・2に示す化学反応装置の計の異状検知の具体例を考える。 この化学反応装置では なる反応が起こり製品Bmを生産している。反応率係数は とする。ここで k0:頻度因子（㎥/kg...続きを見る
8・2・2 計測器の異状検知への応用 いま式（8・4）で記述されるシステムがあり、システムから 次の二つのグループの変量が計測されているとする。 ここで、y（t）：故障のないことが確認されいてる計器からの 測定量、y0（...続きを見る
上式において、式（8・16）より非線形要素、 路パラメータを含む項g(x、u、p、t)は落ち、式（8・15）、 （8・17）を利用すると さらに、式（8・5）に式（8・4）のy（t）＝Cx（t）+u（t）、 式（8・17...続きを見る
が安定行列（Fのすべての固有値の実数部が負）である。 ここに仮にA0のシステム係数行列、H0を出力行列と考えた時、 式（8・2）のチャックを利用して（A0、H0）が可観測であれば、 Fは常に安定化できる。 次に条件式（8...続きを見る
式（8.4）において、パラメータpと初期値x0は 未知で他はすべて既知とする。 いま式（8・4）の係数を含む次のような定係数線形常微分方程式で 記述されるフィルタ方程式を考える。 ここで、上式のベクトル、行列は次のように...続きを見る
8.2 異状検知・診断のための状態観測器 8・1で述べたように、異状、故障の発生に伴い システムのパラメータは変化し、また故障に伴い システムの動作点が大きくずれる可能性がある。 したがって式（8・1）の線形モデルは異状...続きを見る
ルーエンバーガ観測器（Luenberger observer） ルーエンバーガ観測器はw（t）＝0、v（t）＝0とした場合の 状態推定法である。カルマンフィルタにおける仮定で（3）を除く すべての過程が満たされている場合...続きを見る
カルマンフィルタ（kalman filter） カルマンフィルタは次の仮定のもとで、状態を最適に推定する方法である。 （1）システムが次のような線形常微分方程式で記述されている。 ここで、x（t）:n次元状態ベクトル、y...続きを見る
システム変数のうち、異状に直接かかわる 変形を測定することができない場合、6・1・1で 述べた間接測定法によりその変数を求めなければ ならない。間接測定法を系統的に理論づけた方法が 状態推定法である。以下従来から制御工学...続きを見る
＜例7・7＞熱交換システムの異状温度上昇 図7・13に示すような熱交換システムの一時側、自鬼側の流量を 一定とする。虹側の一部が故障し異状高温が発生すると沸騰を 生じ、場物（あわ）が発生し虹側出口の温度地にゆらぎが生じる...続きを見る
旋盤用バイトの寿命予測への応用 旋盤用バイトをある一定条件化で使用する場合を考える。 旋盤の切削音はバイトの磨耗幅によって異なり、切削音を 分析することで磨耗幅を推定することが出来る。切削音の 特徴をARモデルを利用して...続きを見る
さらに予測誤差の自己相関関数 あるいは、予測誤差のパワースペクトル関数を求めることで、 予測誤差の白色性をチェックする高度な方法もある。 もちろん図7・11に示すように自己相関関数Φee（l）が 〔Φee（0）＝1、Φe...続きを見る
正常、異状を分離する優位水準：a （1）平均値が等しいことの検定 ta：自由度N+Na-2のｔ-分布に自他が鵜t-統計量をTとしたとき を満たす値（t-分布表より求める） ならばと判定できない。したがって異状。＜taなら...続きを見る
7・3・8 異状検知への応用 システムが正常と判断できる場合の測定データから、 上アルゴリズムを用いてARモデルを推定する。 このモデルは とする。いま異状の可能性のあるシステムからの 測定データ｛ya（t）｝に上の正常...続きを見る
また階数Mを漸次増加し、式（7・46）の最適階数に関する評価基準を使うと 次のような最適階数を同次に求めるアルゴリズムが求まる。 【アルゴリズム】 （1） （4）M←M+1として（2）に行く。 このアルゴリズムは｛y（k...続きを見る
いまARモデルの階数を一つ増やし（M+1）階の場合の係数を求める。 式（7・69）の場合と全く同様には次式から求まる。 上式に（7・70）の定義式を代入すると、上式はコンパクトに と表現できる。 上式の逆行列部に補4のブ...続きを見る
7・3・7 統計定定常データからのARモデル（階数を含む）推定 システムの測定データが統計的に定常であるとする。 この場合、データの定常性を利用すると、推定の基本式（7・44）は もっと簡単式で表すことが出来る。いま測定...続きを見る
式（7・52）の重みeζ（k-N）の係数ζとσk2の関係は、 ζを大きく運ぶと相対的に現時刻での重みを大きくすることになり、 したがって測定y(k）の異状による変化にも、ノイズにもσk2は図7・9に示す ように敏感に反応...続きを見る
以上のオンライン推定アルゴリズムは、直接オンライン異状検知へ 応用できる。いま測定データ図7・8が図1・1（a）に示すように 異状により統計的性質が変化した（振幅にあるいは周波数に変化が 現れるか、ノイズ成分が多くなる）...続きを見る
以上を整理すると次のようなアルゴリズムが求まる。 【初期計算】 （1）測定データy（0）、y（1）、……、y（s）が与えられる （2）ARモデルの階数Mが指定される。M＜s （3）y(k)＝[y（k-1）y（k-2）……...続きを見る
さて、時刻がτだけ進み（N+1）τとなり新しいデータy（N+1）が 採取されたとする。（N+1）τは現時刻になり、このデータに対する 重みは1で、Nτ時刻以前のデータに対する重みはすべてe-ζ倍だけ 減少する。このことを...続きを見る
7・3・5 ARモデルの階数を固定したオンライン推定アルゴリズム システムからの測定量｛y（k）｝の異状による変化を階数Mの ARモデルを使用してオンラインで検知する場合、新しいデータが 計測されたつどモデルをup da...続きを見る
以上、式（7・44）、（7・45）はARモデル推定の 基本式で確定的な場合、統計的な場合の両者に適用できる。 ｛y（k）｝が確定的データであり階級Mが正しく選ばれていれば、 推定分散は非常に小さい値になる。統計的データよ...続きを見る
7・3・4 ARモデルの推定 7・3・1～7・3・3で述べたように、ある時系列 データ｛y(k)｝は、式（7・19）のARモデルの解として 表現できる。ARモデルが分かれば、もとの時系列データの 波形としての特徴は根、留...続きを見る
7・3・3 統計的ARモデルの解の特徴パラメータとスペクトル関数 時系列データが統計的である場合、統計的ARモデルが利用される。 統計的ARモデルにおいてはε(k)は平均0、分散1の正規性白色ノイズで、 y0、y-1、…...続きを見る
＜例7・4＞離散値時系列データからの特徴抽出 【問】図7・7に示す確定的資産値時系列データがある。 このデータは差分方程式 の解とする。このデータ（波形）の特徴を抽出せよ。 【答】式（7・23）よりこの差分方程式（あるい...続きを見る
補３ z変換 連続的挙動を記述する方程式にはラプラス変換ℒが使用される。 連続関数y(t)の微分のラプラス変換は次式で与えられる。 ここではy0はy0＝y(0)である、sは微分演算のラプラス変換である。 例えば の方程式...続きを見る
ARモデル式（7・19）は の場合安定である。式（7・23）の伝達関数は上の特性根を用いて表すと のように表すことができる。特性根がすべて相違なる場合、上式はさらに のように部分分数に分解できる。ここで より求めることが...続きを見る
7・3・2 確定的ARモデルの解の特徴パラメータとスペクトル関数 式（7・19）のARモデルにおいて、σε（k）＝0,y0,y-1,……,y-M+1が 確定的な値とすると、このモデルは確定的差分方程式で与えられる。 いま...続きを見る
7・3・1 自己回帰モデル 図7・1で示されたシステムから出力y（t）を図7・6（a）に示すように 等時間間隔でサンプリングし離散値時系列データ｛y（k）,k=0,1……｝で 表す。 今図7・6（a）の離散値時系列データ...続きを見る
【例7・2】スペクトル関数を利用した回転機械の異状検知 図7・4に故障モードが異状振動として検出され、よく起きる モータ支持 の故障例を示す。故障には次のようなものがある。 （a）負荷のアンバランス （b）回転エネルギー...続きを見る
【ケース１】 いまシステムに異状入力e（t）が存在しないことが確認できる場合、すなわち e（t）=0,E(iω)=0 の場合を考える。式（7・10）より周波数領域での入出力関係は次のようになる。 ya（t）、x（t）は既...続きを見る
時間関数のたたみ込み積分のフーリエ変換はそれぞれのスペクトル関数の積で 与えられることより、式（7・1）、（7・2）のフーリエ変換は となる。ここで である。ya（t）とyn（t）の測定に当たっての測定ノイズはほぼ同じス...続きを見る
測定時系列データy(t）が周期Tの連続周期関数である場合、y(t）は フーリエ級数展開され、離散値周期関数の場合には離散値フーリエ変換 （Discrete Fourier Transform，略してDFT）が適用される。...続きを見る
異状検知、診断のためにシステムから測定された字形列データy(t)が なる条件を満たす場合、y(t)はsinωt,cosωt（0≤ω≤∞）の直行関数列の和で与えられる。sin ωtとcos ωtの振幅は から求まる複素関数...続きを見る
図7．1に示すようなシステムを考える。 ここで y(t）：システムから測定される量，y(t）は異状入力、すべての故障，測定 ノイズの影響を受けるものとする。 ｈ(t,ρ1,ρ2,……，pn）：システムの特性を表すインパル...続きを見る
以前紹介したストレスセンサ、故障モードセンサで検出される故障にかかわる 量、フィードバック制御、システム管理のために検出されたシステム変量は、 はじめ測定ノイズを含む時系列データである。これらの検出量は、システムに 故障...続きを見る
以上の理論的解析より、パイプラインにリークが生じると、音響検出点から みてリークの場所以後のパイプの断面積が等価的には広くなることがわかっ た。したがって原理的にはDurbin法により、PARCOR係数γk（＝反射係数〉...続きを見る
パイプライン中を音響が無減衰で伝播するものとする。音響伝播の数学 モデルは次の波動方程式で記述される。 ここで，ｘ：距離，ｔ：時間，ｕ：音の体積速度，u0：入力端における音の 体積速度ωuの”：入力端のコンプ...続きを見る
ガスのリーク場所を検出するためには，いずれにせよ前回（3）の方式 同様ガスパイプラインに沿ってパイプラインの状況を調べなけれならない ただし、人間やガス検出器をパイプラインに沿って走らせるのであれば、 （3）と全く同じで...続きを見る
ガス輸送パイプラインのリーク場所の検知の問題を例にとり、異状検知の ためのセンサ選択の考え方について述べる。 パイプラインのガスリーク検出 ガスのパイプライン方式による輸送は設備コストの割りに効率が高い一方、 ガスの有毒...続きを見る
ストレス検知は故障誘発の原因を知る上で大切である。故障モードの検知は 故障の結果の検出であり、故障・異状診断に直接使用されるので重要である。 ここでの故障はfailure（故障)、fault（まだ使用可能な故障)の両者を...続きを見る
図1．2、図1．4に示したように、システムの故障を誘発する基本原因は 環境ストレス、動作ストレスであった。部品、要素の故障の進行が2章で 述べたモデルに従うような場合、これらのストレスが定量的に把握できれば、 それらの部...続きを見る
（1）オフライン方式による異状検知 システムは定期的に点検，保全される．このような場合をオフライン方式に よる異状検知と呼ぶ。オフライン方式には ｉ）システムの機能を維持しつつ，可能なサブシステムについては一時停止 しサ...続きを見る
生産システムが正常か異状か、許容できる異状か許容できない異状か等、 システムの異状（健全）の状態を知るためには、システムから故障に関係 するデータを検出することが必要である。信頼性の立場から、システムの 状態とは、（1）...続きを見る
重要度の中には，構造重要度、確率重要度、クリティカリティ重要度があったが、 ここでは構造重要度の求め方を述べる。 いま図5．13に示すようにFTが与えられており、そのトップ事象をＴ、n個の 基本事象があるとする。次の手順...続きを見る
二つの要素x1、x2が信頼性の意味で直列に接続されているシステムを考え る．システムが動作しないという事象をZシステムの信頼度をR、不信頼度 をF＝1－Rとする。 要素x1が故障という事象をX1、x1の信頼度をR1,、不...続きを見る
FTは論理線図であるので，特別の場合を除き，組合せ論理式で表すことができる。 FTで与えられる事象を２値変数に置き換え、FTの線図の論理ゲートの部分を論理 演算に置き換えていくだけで論理式が求まる。 さらに置き換えられた...続きを見る
FTのように１出力Ｔ（トップ事象)，多入力Xi,X2,……,Xn（基本事象〉系を 記述する論理式は、一般に形式的に次のような論理式で与えられる。 ここで，f（ ）は、入力Xi,X2,……,Xnと出力Tの関係を表す論理関数...続きを見る
故障が起こっているか否かは、二つの状態しか取り得ず2値論理変数で表す ことができる。xという要素の故障を事象xとすると、 事象Xが起こる（＝xが故障する）：X＝1 事象Xが起こらない（＝xが正常である）：X＝0 のように...続きを見る
与えられるシステム故障の解析を行うに当たり、はじめシステムから得られる システム故障情報に基づきFTを作る。このFTに後述する論理的演算、変換 を施しシステム故障の度合い、性質を調べることができる。以下そのための 諸量を...続きを見る
図5．1に概念的なFTを示したが、FTはより定量的に描くことができる。 FTは基本的に次の事象記号と論理記号の2種類の記号で表すことができる。 事象記号（event symbol）：故障の状態を表す記号、例えばシステムの...続きを見る
システム故障の構造と解析の手法、すなわち故障の原因の究明、故障の波及 効果等の解析の代表的手法としてFMEA(Failure Mode and Effect Analysis）と FTA（Fault Tree Analy...続きを見る
（１）保全を含む場合 全く同一機能を持つシステムｎ個を並列に並べ、すべてを稼動させ並列運転する。 並列に並べられたシステムは信頼性の上からは独立であり、第ｉシステムの故障が 第j(ｊ≠ｉ)システムに影響も与えないし、その...続きを見る
（1）保全を伴う場合 n個の要素から成るシステムがある．このシステムではどの要素一つでも故障 するとシステムが故障するものとする。このような要素は信頼性の立場から いうと図4・11（a）に示すように直列に接続されていると...続きを見る
（1）保全を伴わない場合 いま図4．7に示すような保全を､伴わない待機冗長システムを考える。 この待機の方式は次のとおりである。 i）はじめのシステムは故障率λ1で稼動している。待機システム1は信頼度1で 待機している。...続きを見る
式(4.25)の独立変数は時間であり、この単位長さは同じ単位を持つMTBF、 MTTRに比して十分小さいと考えられる。式（4.25）の過渡現象の速さは、 MTBF、MTTRから大きくかけ離れたものではない。したがって，式...続きを見る
複合システムのアベイラビリティ、信頼度を解析、評価するためのモデルは システムの各要素の故障率、修復率、システム機能を実現するための要素の 組み合わせ方の情報から作られる。このモデルは式（４．１２)、(４．１３）と 同様...続きを見る
システムの故障特性を故障率λ(ｔ）で表す。故障が起こったら、それを修復 するわけであるが、その修復特性(能力)を修復率μ(ｔ）で表す。この場合の システムの信頼性の確率（アベイラビリティ）を求めてみる。 まず幾つかの変量...続きを見る
システムの運用中、故障による異状が起こりその原因（故障要素）がわかった 場合、その故障をそのまま放置しておくことはなく必ず修理保全する。 従って、システムの信頼性を考える場合、保全による効果を考えないとシステム 全体とし...続きを見る
故障時間の確率分布関数の推定法を考える。推定は次の手順により行われる。 【手順１】 与えられる故障データより、例３．２に示した方法で、経過時間に対する信頼度 R(ｔk)、不信頼度F(ｔk)，故障時間の密度ｆ(ｔk)、故障...続きを見る
故障率のパターンとして正規分布を利用する場合（母数μ,σ） （この関数値は時間軸を似だけ正方向にシフトして1/σ倍することでerf関数 より求めることができる） 故障率、故障時間の密度関数をプロットすると、それぞれ図３．...続きを見る
図１．３および図３．２の故障率のグラフに示したように、故障率のパターンは、 バスタブ曲線で与えられる。部品使用開始直後の初期故障期は高い故障率から 故障が時間とともにデバッグにより減少し、偶発故障期に入るとほぼ一定の故障...続きを見る
これまでは部品が熱、その他のストレスによって劣化する現象を表す物理・化学的 モデルについて考えた．ここでは現場で得られた部品の故障時間（ランダムデータ） から、その部品の故障率、平均寿命などを推定する方法を考える。 デー...続きを見る
劣化量が増加し，その部品を使用してはいけない規定値に達したとする．使用開始 (ｔ＝０）して、この使用してはいけない状態に至るまでの時間をｔ＝Lとすると、 Lをその部品の寿命という。いま寿命と定義される劣化量の規定値をｘs...続きを見る
部品の故障の原因は微視的にみると，電気的，熱的，力学的ストレスにより部品を 作る材料内部での化学的、結晶構造的、組成的平衡状態の変化としてとらえること ができる。例えば腐食はある安定な化学的平衡状態から、与えられるストレ...続きを見る
システムを安全で効率よく稼動するためのシステムの 設計と運用の基本方策の一つは、システムを故障 （failure）に陥らせないことである。システムは前回 までに定義したように、また図1．6に示すように、 多数の構成要素が...続きを見る
現在，工業製品の種類は非常に多く，そのための生産システムも多種多様である。 生産システムは生産する製品の種類、大量生産か多種少量生産か、等さまざまな 観点から分類することができる。ここでは生産システムをオートメーションの...続きを見る
図１．３に示したように，システム，要素あるいは部品の故障率はバスタブ曲線特性を持つ。 同図の初期故障期に多発する故障を直し（debug）た後は偶発故障しか起こらない安定期 に入り、それが過ぎると摩耗故障期に入る。安定期か...続きを見る
保全度（maintainability) ある一定の保全体制のもとでシステムが故障した場合、故障を規定時間内に修復し 終える確率。 異状検知（fault detection) 故障の検知とほぼ同意語であるが、異状検知の方...続きを見る
信頼性（reliability) ある指定される条件，時区間のもとで，システム(要素）が必要とされる機能を保持し 続けて動作することを確率で表したもの。システム（要素）の信頼性は故障率（failure rate，haza...続きを見る
急激に起こる異状（abrupt fault) システムに急激に加えられた外乱（例えば送電線への落雷)、急激な故障により 誘発される異状。これに対して、システムを構成する要素の劣化により、ゆっくり 時間をかけて起こる異状（...続きを見る
システムの異状診断について論ずるにあたり，必要となる用語を定義しその概念を 明らかにしておく。 システムと要素（system and element) 「システムとは多数の構成要素が有機的な秩序を保ち，同一目的に向かって...続きを見る
