ビッグデータ解析による製油所の高度安全管理技術の調査（日揮プラントイノベーション株式会社） ○折茂史教、前田純１．研究開発（調査）の目的「平成２６年度石油精製環境分析・情報提供事業ビックデータ解析手法による製油所安定操業対策に関する調査」で実施した４つのテーマの内、データ解析の有効性が高い「オンサイト配管の腐食解析」のテーマを深堀し、信頼性向上に資するビッグデータ解析手法を用いた実用的な「オンサイト配管腐食管理手法」を提案する。この技術をより効果的に運用するための技術（データ抽出インターフェース、運転データとの連携、等）を調査し、将来的なデータ活用の方向性を提案する事を目的に調査を行った。２．研究開発（調査）の内容２ -１．調査体制本調査は、一般財団石油エネルギー技術センターのプロジェクト統括の下、石油会社１社より提供されたデータを日本ＩＢＭの知見・ノウハウを活用しながらビッグデータ解析を実施した。解析結果の評価・考察は、委員長（鈴木和彦教授）、委員２名（辻裕一東京電気大学教授、広瀬晋也岡山大学石油連盟環境安全課）からなる委員会を設置し、３回の委員会を開催した。２ -２．調査スケジュール調査スケジュールを表２．２ -２に示す。作業は７月初めから解析準備として、データ収集、データのクレンジング作業を行い、９月中旬には第１回委員会を開催した。１２月中旬に第２回委員会で中間報告を行った。１月中に解析結果をまとめ第３回委員会では解析結果および今後の方向性について討議した。表２．２-２調査スケジュール２ -３．解析の流れ今年度の解析は、昨年度の解析結果の深掘りし解析精度を向上させる。そのため昨年度で構築した解析ロジック（ニューラルネットワーク手法）を用いて、入力データの再検討、データクレンジング方法や他の解析手法を検討し解析作業を実施した。解析の概略の流れを図２．２ -３に示す。図２．２-３解析作業の流れ（概略）３．研究開発（調査）の実行３ -１．対象装置の選定装置による腐食傾向が異なる複数装置を対象に解析を実施した。装置選定に当たっては、汎用性、データ提供会社のニーズ、などを考慮し３装置（常圧蒸留装置、ガス回収装置、軽油水素化脱硫装置）を選定した。３ -２．解析用データの収集解析用データとして、設備診断支援システムのデータ一式、および対象のＰＦＤ（ Process Flow Diagram）と検査図面（アイソメ図）を受領した。次に解析に用いたデータは、設備管理支援システムに管理されている１００項目以上の肉厚測定関係のデータから腐食に関係する５５項目を選別した。さらにデータ量が少ない項目や腐食に関係が少ない項目を解析対象から外した。また今回は腐食予測に影響がある可能性が考えられる配管形状、流れ方向や腐食形態などの６項目を追加し２４項目を解析対象データとした（表３．３ -２）。表３．３-２データ数量３ -３．データクレンジング作業（データ準備）精度の高い解析モデルを構築するための前処理として、データクレンジング作業を行った。計測データには、休止点や参考値などの解析に利用できないデータが含まれているため、ここでは無効データの除去、解析用データの加工、および不足データの追加作業を実施した。（１）無効データの除去無効データの除去とは、肉厚測定データの中の誤計測、誤入力データや明確に必要としないデータなどを機械的に除去する作業である。ここでは利用したシステムの特徴、データの取り方などを考慮した除去ロジックを作成した。無効データの除去により表３．３ -３に示すデータ数となった。表３．３-３クレンジング後の測定数量表（２）データ加工システムに登録されている情報の表現がばらついている場合があるため、データ表記の統一化、温度など連続データをグループ化し腐食データを整理した。 ■表記の統一 a.配管サイズ：インチ（Ｂ表記） → ｍｍ（Ａ表記）に統一 b.材質分類：材質分類の表記を統一 c.腐食系統：腐食系統を整理し「装置 +腐食分類」の名称に統一 d.測定部位：測定方位の表記を統一 e.その他：全角・半角の統一、スペース文字の統一などの表記の統一 ■データの分類化 a.温度：温度（ ℃ ）範囲を５０ ℃ ごとのグループに集約 b.圧力：圧力（ MPa）範囲を１０ＭＰａごとのグループに集約 c.使用年数：使用年数（年）範囲を５年ごとのグループに集約 d.その他：腐食系統、部位などは解析の目的ごとのグループに集約（３）追加データの準備今年度は、設備診断支援システムに登録されていないデータを検討し、配管形状のタイプ分けや腐食形態などのデータを追加した。 ■配管形状の整理配管形状を整理するため、配管のタイプを配管形状（エルボ、直管、レジューサなど）、状態（縦、横、水平）、流れ方向（横→下、下→横、横→上など）で分類、整理した。 ■腐食系統および腐食形態の整理腐食系統、および形態（分類）をエリアの腐食進展傾向や年間腐食量を調査する目的で整理した。３ -４．解析パターンの検討年間腐食量のマイナスデータおよび０（ゼロ）の取扱い方法や複数測定データ（腐食量の計算方法）の取扱いを表３．３ -４に示す１２種類の組み合わせを作成した。但し、「初回値利用の年間腐食量」はデータ数がかなり少なくなり汎用性が大きく低下するため不採用とし、また「すべての値利用」ではマイナスデータを使用することは現実的予測が期待できないため、比較検討から外すこととした。最終的には６種類の組み合わせを使ってニューラルネットワークの解析結果を比較した。表３．３-４解析パターンの組合せ３ -５．入力項目の検討ニューラルネットワーク実施の場合、たくさんの入力項目を用いると、組み合わせのパターンが増え予測精度が向上したように見えることがある。しかし、現実には、多種のデータを準備することが難しく、解析手法の汎用性が無くなる可能性があるため、より少ない入力項目で精度の高い予測を実現できることが理想である。そこで、ニューラルネットワークを実施するに当たり、最も関係が強いと思われる１２項目を選定し、１２項目による解析に対して、項目数を１０項目、９項目に減らした場合の予測精度の違いを比較検討した。本来は、腐食に関わる項目を用いて解析することが望ましいが、今回は腐食データとの統計的関係性と予測精度に注目して項目の検討を行った。入力項目を１２項目、１０項目、９項目と変化させた３つのパターンで実施した解析結果では、「測定方位」「流体性状」「検査方法」の３項目を除外した９項目と少ない条件であっても、データの関連性、および年間腐食量の予測と実測の誤差精度に関して大きな違いがなかった。表３．３-５データ項目数と予測精度３ -６．解析結果データクレンジングおよび解析パターンの検討を踏まえて、表３．３ -６に示す解析条件を用いて年間腐食量の予測を行った。表３．３-６解析条件表（ニューラルネットワーク）解析した予測結果は、図３．３ -６に示すように予測年間腐食量と実測年間腐食量の差が０．１ｍｍ／ｙ以内であるデータの割合が、９９％を超える予測モデルを構築することができた。昨年度の解析結果と比較し大幅な精度向上である。解析条件検討は、常圧蒸留装置のデータを用いて行ったが、他の装置についても常圧蒸留装置と同等以上の精度で予測できている結果となった。予測年間腐食量実測年間腐食量図３．３-６予測年間腐食量と実測年間腐食量の関係３ -７．特徴のあるデータ調査ニューラルネットワークを用いて、配管内部腐食の年間腐食量予測を行い昨年と比較し、より精度の高い結果を導き出すことが出来たが、予測結果の中には、予測値が実測値と大きく外れたデータもいくつか存在した。これらのデータは、予測方法が悪いことを起因するものばかりでなく、解析用データ（入力データ）の信頼性が低いものも含まれている可能性がある。そこで、予測結果が外れたデータを抜出し、適切な予測が出来なかった理由を調査した。図３．３-７年間腐食量の予測と実測比較図（散布図）図３．３ -７に示すように予測結果が大きく外れているデータの多くは、年間腐食量が異常に大きい（年間腐食量が０．５ｍｍ／ｙ以上）ものが多いが、これらは使用年数が３ヶ月以下と非常に短く、年間腐食量の計算結果が非常に大きく計算されたものなど、入力データのクレンジング不足によるものが多く含まれていた。今回は、代表値のみの評価を行ったが、これらの作業を繰り返すことによって、データクレンジング精度を向上させ、より精度の高い解析が可能と考える。３ -８．まとめ常圧蒸留装置のデータを中心に腐食予測モデルの検討を行い、入力項目の見直し、解析パターンの検討を行うことにより、データの誤差範囲０．１ｍｍ／ｙ以内であるデータの割合が９９％を超える予測モデルを構築することができた。また、昨年度の解析では、解析精度を向上する手段として、５年未満のデータを削除し最終解析を実施し、解析精度を８８．８４％から９８．２４％まで向上させたが、この場合、解析結果を使用年数が短い配管には適用できないなどの問題があった。今回の予測モデルでは、このような条件を加えていないので使用年数が短い配管にも適用できる。今回の解析結果は表３．３ -８に示す。表３．３-８今回と昨年度の予測精度の比較４．研究開発（調査）の結果４．１配管検査業務フローと腐食予測モデルの活用方法今年度は、ニューラルネットワーク、ディシジョンツリーなどにより、年間腐食量の予測、腐食データの分類を実施したが、これらの解析結果を実際の業務にフィードバックすることが重要である。ここでは、図４．４ -１に示す配管検査の業務フローの中にどのように活用すればよいかを考えた。現在は経験豊富な保全員の経験でプラントの維持管理を行っている。しかし、今後経験が浅い技術者がプラントの維持管理を行う場合、これらの経験を積む場が少なく、より少ない経験でプラントのコンディションを評価する必要が出てくる。今回実施したようなデータ解析手法、データ解析結果は従来経験豊富な保全員の経験を補うものであり、今後プラントを維持管理する若手検査員の有効なツールとなると考える。図４．４-１配管検査業務フロー４ -２．ＰＦＤ図面上への解析結果のフィードバックニューラルネットワークで求めた予測年間腐食量と設備診断支援システムで各系統の最大腐食量を比較した。図４．４ -２に示すように全体的には類似の傾向が見られるが、ニューラルネットワークの結果の方が大きな年間腐食量が色付けされている。これらの違いを見ることによっても、新しい気付きがある。図４．．４-２予測結果と設予備管理支援システムの結結果との比較較４ -３３．設備管理支援システムへの予測結果フィードバック図４．４ -３に示すように予測結果を設備管理支援システムへフィードバックし検査図面に展開した。配管改造により新しく設置した配管の検査箇所に対して、ニューラルネットワークの予測値を当てはめることにより、未測定箇所の予測年間腐食量を色表示で確認することができる。これらの予測値を図面に表示させることにより検査箇所の増減や検査周期の見直しに活用可能と考える。図４．４-３設備管理理支援システムへのフィードバック４ -４４．ディシジョンツリー解析手法を用いたデータ解析腐食食予測モデルルに用いたニニューラルネネットワークク解析は、予予測値の計算算過程を見るることができず、直観的的に把握するることが困難難である。ディシジョンツリー解析ででは、使用年年数、腐食系系統など分類類毎の腐食傾傾向を把握しし、腐食の大大きな箇所ややデータのばばらつきの大大きな箇所を把握することができるる。以下に解解析例を示すす。今回の解析析では、腐食食の程度を表表４．４-４のように分分類化した。表４．４-４表の分類腐食傾向のディシジョンツリーは、常圧蒸留装置の全測定データ（ポイント単位）を使って、配管の使用年数ごとに腐食傾向を分類化したものである。また、１つのノードは使用年数５年ごとに分類している。（ノード：０ -５ ⇒ ０年以上～５年未満、５１０ ⇒ ５年以上～１０年未満、・・・）ディシジョンツリーを利用することによりデータがグループ化され、グループごとの腐食傾向を知ることが出来る。この解析から、図４．４ -４に示すように使用年数が短い１０年以下の配管に腐食（大）が集中していることが判った。また、使用年数１０年以上の配管では、腐食速度の大きなものが残っていない（適切な配管更新が実施されている）ことが確認できた。図４．４-４使用年数と腐食傾向５．まとめ５．１オンサイト配管の腐食予測モデル常圧蒸留装置のデータを中心に腐食予測モデルの検討を行い、常圧蒸留装置のデータを中心に腐食予測モデルの検討を行い、データクレンジング（無効データの除去、データの加工、不足データの追加、など）の工夫により、予測年間腐食量と実測年間腐食量の差が０．１ｍｍ／ｙ以内であるデータの割合が９９％を超える予測モデルを構築することができた。これは、昨年度の８９％に比べ大幅な精度向上である。この予測に用いたデータ項目は、汎用性が高い９項目（使用年数、配管形状、初回測定値、温度、腐食分類、サイズ、足場工事、保温保冷、材質分類）であり、他の製油所へのスムーズな展開が期待できる。５．２実用的な管理手法の提案配管検査の標準的な業務フローを元に実用的な管理手法の可能性を検討し、腐食予測モデルを、検査周期の延長・短縮、検査箇所から除外・追加を判断する場合のサポートツールとして用いることを提案した。また、ディシジョンツリー解析により使用年数、腐食系統など分類毎の腐食傾向を把握することができることを示した。５．３データの連携方法の調査将来的に配管腐食予測モデルを幅広く運用するために求められるデータの連携方法について調査し、設備管理支援システムとデータ解析ソフトの間は、直接データ連携できること、また、アクセスファイルまたはエクセルファイルに変換しても接続可能であることを確認した。運転データと検査データ（内部腐食データ）を連携させる場合、運転データをエクセルファイルまたはＣＳＶファイルにダウンロードし、データ解析ソフトから取り込みを行うことが可能である。５．４将来的なデータ活用方法について今回の解析手法を他の製油所へ展開することで、配管検査業務のサポートツールとしての完成度を高めるとともに、管理方法や腐食傾向を比較検討することで、現在の検査方法の問題点、改善点を知ることも期待できる。また、将来的には、データ採取からデータ解析までの一連の仕組みの整備や、様々なデータを有効に活用した稼働信頼性向上の取組が望まれる。以上