本節では、第３章の計算に用いた簡易産業プラントモデルについて、大規模プラン トモデルへの拡張に向けた基礎検討として、電気設備の事故発生をモンテカルロ法を 適用して模擬する方法について述べる。また、ワイブル分布近似による電気設備の信 頼度曲線を作成し、Sigmoid関数による結果との比較を行なう。
4.1.1 モンテカルロ法とワイブル分布近似による評価
プラント内には多数の電気設備が存在し、各々が直列的または並列的に接続されて いる。これら多数の電気設備の複雑な結合により 1 台の電気設備の故障が即プラント の停止に繋がる場合もあれば、複数台の故障が発生して初めてプラントの停止に繋が る場合もある。
このような複雑かつ多彩な現象を検討するに際しては、電気設備の数と接続点数か ら、その場合数は級数的に増大し、これらを人力（人の力）で 1 つ 1 つ検討すること は事実上不可能である。このような多くの現象を、漏れなくかつ重複することなく取
第４章 複雑系産業プラント電気設備のメンテナンス間隔を決定するための手法
り扱うのに適した方法の 1 つがモンテカルロ法である。
本項では、多数の電気設備が存在する産業プラントの信頼度評価手法にモンテカル ロ法を用いるための基礎的な検討として、簡易プラントモデルへの適用結果について 述べる。
電気設備の信頼度曲線作成手法に関しては、第３章との信頼度曲線結果の比較のた めに、ワイブル分布近似を用いている。
本論文では、電気設備の信頼度曲線に従った電気設備の事故判定を MT（Mersenne Twister)法によるモンテカルロシミュレーションにより行なう。
図 4-1 に、MT法モンテカルロシミュレーションのフローチャートを示す。
MT（Mersenne Twister)法 とは、松本 眞氏、西村 拓士氏によって開発された疑似 乱数生成アルゴリズムである。非常にすぐれたアルゴリズムとして、様々な所で利用 されていることから、本論文のモンテカルロ法における乱数発生に採用した。
第４章 複雑系産業プラント電気設備のメンテナンス間隔を決定するための手法
Plotting n m Random: i<ｎ
Time:τ<t i=i+1
YES
YES
NO
NO Data Input
Random Number Generation
Eq. No: j<k j=j+1
NO YES
START
END Fault Judgment
m=m+1
τ=τ+0.1
NO
YES
k : プラント内の電気機器数 n : 生成乱数の数
t : シミュレーション期間 i : kのカウンタ変数 j : nのカウンタ変数 τ : tの時間変数
m : 全試行回数のうちプラントが稼動した回数
図 4-1 MT法モンテカルロのフローチャート Fig. 4-1 Flowchart of MT Monte Carlo
第４章 複雑系産業プラント電気設備のメンテナンス間隔を決定するための手法
検証には、複数系統のラインから構成されている直並列結合型モデルプラントを使 用した。
図 4-2 に検証に使用したプラントモデルを示す。生産ライン1は 3 系統（Line 1-1、