CN116783148A - 推定装置、预测装置、控制装置、推定系统、预测系统、控制系统、推定程序、预测程序、控制程序、推定方法、预测方法及控制方法 - Google Patents

推定装置、预测装置、控制装置、推定系统、预测系统、控制系统、推定程序、预测程序、控制程序、推定方法、预测方法及控制方法 Download PDF

Info

Publication number
CN116783148A
CN116783148A CN202280012265.6A CN202280012265A CN116783148A CN 116783148 A CN116783148 A CN 116783148A CN 202280012265 A CN202280012265 A CN 202280012265A CN 116783148 A CN116783148 A CN 116783148A
Authority
CN
China
Prior art keywords
scale
water quality
relational model
information acquisition
acquisition unit
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202280012265.6A
Other languages
English (en)
Inventor
小船井基晋
丰冈康广
和田敏
原田要
田口千草
二木荣
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Kurita Water Industries Ltd
Original Assignee
Kurita Water Industries Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Kurita Water Industries Ltd filed Critical Kurita Water Industries Ltd
Publication of CN116783148A publication Critical patent/CN116783148A/zh
Pending legal-status Critical Current

Links

Classifications

    • C—CHEMISTRY; METALLURGY
    • C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F5/00—Softening water; Preventing scale; Adding scale preventatives or scale removers to water, e.g. adding sequestering agents
    • C—CHEMISTRY; METALLURGY
    • C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F1/00—Treatment of water, waste water, or sewage
    • C—CHEMISTRY; METALLURGY
    • C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F1/00—Treatment of water, waste water, or sewage
    • C02F1/008—Control or steering systems not provided for elsewhere in subclass C02F
    • C—CHEMISTRY; METALLURGY
    • C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F5/00—Softening water; Preventing scale; Adding scale preventatives or scale removers to water, e.g. adding sequestering agents
    • C02F5/08—Treatment of water with complexing chemicals or other solubilising agents for softening, scale prevention or scale removal, e.g. adding sequestering agents
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/18—Water
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • C—CHEMISTRY; METALLURGY
    • C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F2103/00—Nature of the water, waste water, sewage or sludge to be treated
    • C02F2103/02—Non-contaminated water, e.g. for industrial water supply
    • C02F2103/023—Water in cooling circuits
    • C—CHEMISTRY; METALLURGY
    • C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F2103/00—Nature of the water, waste water, sewage or sludge to be treated
    • C02F2103/18—Nature of the water, waste water, sewage or sludge to be treated from the purification of gaseous effluents
    • C—CHEMISTRY; METALLURGY
    • C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F2103/00—Nature of the water, waste water, sewage or sludge to be treated
    • C02F2103/26—Nature of the water, waste water, sewage or sludge to be treated from the processing of plants or parts thereof
    • C02F2103/28—Nature of the water, waste water, sewage or sludge to be treated from the processing of plants or parts thereof from the paper or cellulose industry
    • C—CHEMISTRY; METALLURGY
    • C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F2209/00—Controlling or monitoring parameters in water treatment
    • C02F2209/001—Upstream control, i.e. monitoring for predictive control
    • C—CHEMISTRY; METALLURGY
    • C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F2209/00—Controlling or monitoring parameters in water treatment
    • C02F2209/005—Processes using a programmable logic controller [PLC]
    • C02F2209/006—Processes using a programmable logic controller [PLC] comprising a software program or a logic diagram
    • C—CHEMISTRY; METALLURGY
    • C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F2209/00—Controlling or monitoring parameters in water treatment
    • C02F2209/005—Processes using a programmable logic controller [PLC]
    • C02F2209/008—Processes using a programmable logic controller [PLC] comprising telecommunication features, e.g. modems or antennas
    • C—CHEMISTRY; METALLURGY
    • C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F2209/00—Controlling or monitoring parameters in water treatment
    • C02F2209/02—Temperature
    • C—CHEMISTRY; METALLURGY
    • C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F2209/00—Controlling or monitoring parameters in water treatment
    • C02F2209/05—Conductivity or salinity
    • C—CHEMISTRY; METALLURGY
    • C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F2209/00—Controlling or monitoring parameters in water treatment
    • C02F2209/06—Controlling or monitoring parameters in water treatment pH
    • C—CHEMISTRY; METALLURGY
    • C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F2209/00—Controlling or monitoring parameters in water treatment
    • C02F2209/10—Solids, e.g. total solids [TS], total suspended solids [TSS] or volatile solids [VS]
    • C—CHEMISTRY; METALLURGY
    • C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F2209/00—Controlling or monitoring parameters in water treatment
    • C02F2209/11—Turbidity
    • C—CHEMISTRY; METALLURGY
    • C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F2209/00—Controlling or monitoring parameters in water treatment
    • C02F2209/29—Chlorine compounds
    • C—CHEMISTRY; METALLURGY
    • C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F2303/00—Specific treatment goals
    • C02F2303/22—Eliminating or preventing deposits, scale removal, scale prevention
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N17/00—Investigating resistance of materials to the weather, to corrosion, or to light
    • G01N17/008—Monitoring fouling

Landscapes

  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Business, Economics & Management (AREA)
  • Water Supply & Treatment (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Environmental & Geological Engineering (AREA)
  • Economics (AREA)
  • Organic Chemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Hydrology & Water Resources (AREA)
  • Pathology (AREA)
  • Primary Health Care (AREA)
  • Immunology (AREA)
  • Analytical Chemistry (AREA)
  • Medicinal Chemistry (AREA)
  • Food Science & Technology (AREA)
  • Public Health (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Biochemistry (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • General Chemical & Material Sciences (AREA)
  • Investigating Or Analyzing Materials By The Use Of Electric Means (AREA)
  • Treatment Of Water By Oxidation Or Reduction (AREA)

Abstract

[课题]本发明提供一种推定装置、预测装置、控制装置、推定系统、预测系统、控制系统、推定程序、预测程序、控制程序、推定方法、预测方法以及控制方法，能够根据操作中可简易测定的水质信息来推定作为水垢产生的水垢的指标值。[解决方案]根据本发明的一种方式，提供一种水系的水垢化指标值的推定装置。所述推定装置具备水质信息取得部、关系性模型信息取得部以及推定部。水质信息取得部取得包含水质参数的水质信息，水质参数是从水系的至少由pH、阳离子要求量、残留氯浓度、温度、电导率、悬浮悬浊物质量、浊度以及色度构成的群所选择的两个以上的水质参数。关系性模型信息取得部取得包含事先作成的关系性模型的关系性模型信息，关系性模型表示由构成能够在水系中形成水垢的离子的浓度的函数所计算出的水垢化指标值与水质参数的关系。推定部基于水质信息以及关系性模型信息来计算水垢化指标推定值。

Description

推定装置、预测装置、控制装置、推定系统、预测系统、控制系 统、推定程序、预测程序、控制程序、推定方法、预测方法及控 制方法
技术领域
本发明涉及一种推定装置、预测装置、控制装置、推定系统、预测系统、控制系统、推定程序、预测程序、控制程序、推定方法、预测方法及控制方法。
背景技术
在水系中，有时会出现其中所含的各种离子作为水垢析出而堆积在管道等情况，从而产生操作上的问题。对于这种情况，会检测水垢的产生并添加防止水垢的各种药剂。
然而，水垢是由于构成所述水垢的各离子的浓度积超过这些离子的溶解度积而产生的。利用这一点，例如在非专利文献1以及非专利文献2中，将各离子的浓度的价数乘幂的积相对于各离子的溶解度积的比的对数值作为水垢化指数值，用于判断水垢是否生成的指标。通过使用这样的指标，能够正确地检测水垢的产生。
现有技术文献
[非专利文献]
[非专利文献1]木幡贤二，《造纸和包装技术协会杂志》，第57卷，第7期，第70页，2003年。
[非专利文献2]木幡贤二，《造纸和包装技术协会杂志》，第44卷，第7期，第29页，2001年。
发明内容
发明所要解决的问题
为了更加有效地抑制水垢的产生，需要快速计算成为水垢产生的尺度的指标值，并相应地适时添加防止水垢的各种药剂。然而，在非专利文献1及非专利文献2的水垢化指数值的计算方法中，为了测定构成水垢的阳离子、阴离子各自的离子的浓度而需要花费时间的情况较多，有时无法快速地计算水垢化指数值。
鉴于以上情况，本发明提供一种推定装置、预测装置、控制装置、推定系统、预测系统、控制系统、推定程序、预测程序、控制程序、推定方法、预测方法以及控制方法，能够根据在操作中可简易测定的水质信息来推定成为水垢产生的尺度的指标值。
用于解决问题的方案
根据本发明的一种方式，提供一种水系的水垢化指标值的推定装置。所述推定装置具备水质信息取得部、关系性模型信息取得部以及推定部。水质信息取得部取得包含水质参数的水质信息，水质参数是从水系的至少由pH(power of hydrogen；酸碱度)、阳离子要求量、残留氯浓度、温度、电导率、悬浮悬浊物质量、浊度以及色度构成的群所选择的两个以上的水质参数。关系性模型信息取得部取得包含事先作成的关系性模型的关系性模型信息，关系性模型表示由构成能够在水系中形成水垢的离子的浓度的函数所计算出的水垢化指标值与水质参数的关系。推定部基于水质信息以及关系性模型信息来计算水垢化指标推定值。
本发明还可以通过以下各种方式来提供。
在所述水系的水垢化指标值的推定装置中，所述关系性模型是指通过所述水垢化指标值与作为所述水质参数的函数的水垢化指标推定函数的回归分析所求出的模型。
在所述水系的水垢化指标值的推定装置中，所述水质参数至少包含电导率。
一种水系的水垢生成的预测装置，其特征在于，包括水质信息取得部、关系性模型信息取得部、推定部以及预测部；所述水质信息取得部取得包含水质参数的水质信息，所述水质参数是从所述水系的至少由pH、阳离子要求量、残留氯浓度、温度、电导率、悬浮悬浊物质量、浊度以及色度构成的群所选择的两个以上的水质参数；所述关系性模型信息取得部取得包含事先作成的关系性模型的关系性模型信息，所述关系性模型表示由构成能够在所述水系中形成水垢的离子的浓度的函数所计算出的水垢化指标值与所述水质参数的关系；所述推定部基于所述水质信息以及所述关系性模型信息来计算水垢化指标推定值；所述预测部基于所述水垢化指标推定值来预测水垢生成的有无或者其可能性。
一种对水系添加水垢防止剂的控制装置，其特征在于，包括水质信息取得部、关系性模型信息取得部、推定部、水垢防止剂添加模型信息取得部以及添加量决定部；所述水质信息取得部取得包含水质参数的水质信息，所述水质参数是从所述水系的至少由pH、阳离子要求量、残留氯浓度、温度、电导率、悬浮悬浊物质量、浊度以及色度构成的群所选择的两个以上的水质参数；所述关系性模型信息取得部取得包含事先作成的关系性模型的关系性模型信息，所述关系性模型表示由构成能够在所述水系中形成水垢的离子的浓度的函数所计算出的水垢化指标值与所述水质参数的关系；所述推定部基于所述水质信息以及所述关系性模型信息来计算水垢化指标推定值；所述水垢防止剂添加模型信息取得部取得包含事先作成的水垢防止剂添加模型的水垢防止剂添加模型信息，所述水垢防止剂添加模型表示所述水垢化指标推定值与水垢防止剂的添加量的关系；所述添加量决定部基于所述水垢化指标推定值以及所述水垢防止剂添加模型信息来决定水垢防止剂的添加量。
一种水系的水垢化指标值的推定系统，其特征在于，包括水质信息取得部、关系性模型信息取得部以及推定部；所述水质信息取得部取得包含水质参数的水质信息，所述水质参数是从所述水系的至少由pH、阳离子要求量、残留氯浓度、温度、电导率、悬浮悬浊物质量、浊度以及色度构成的群所选择的两个以上的水质参数；所述关系性模型信息取得部取得包含事先作成的关系性模型的关系性模型信息，所述关系性模型表示由构成能够在所述水系中形成水垢的离子的浓度的函数所计算出的水垢化指标值与所述水质参数的关系；所述推定部基于所述水质信息以及所述关系性模型信息来计算水垢化指标推定值。
一种水系的水垢生成的预测系统，其特征在于，包括水质信息取得部、关系性模型信息取得部、推定部以及预测部；所述水质信息取得部取得包含水质参数的水质信息，所述水质参数是从所述水系的至少由pH、阳离子要求量、残留氯浓度、温度、电导率、悬浮悬浊物质量、浊度以及色度构成的群所选择的两个以上的水质参数；所述关系性模型信息取得部取得包含事先作成的关系性模型的关系性模型信息，所述关系性模型表示由构成能够在所述水系中形成水垢的离子的浓度的函数所计算出的水垢化指标值与所述水质参数的关系；所述推定部基于所述水质信息以及所述关系性模型信息来计算水垢化指标推定值；所述预测部基于所述水垢化指标推定值来预测水垢生成的有无或者其可能性。
一种对水系添加水垢防止剂的控制系统，其特征在于，包括水质信息取得部、关系性模型信息取得部、推定部、水垢防止剂添加模型信息取得部以及添加量决定部；所述水质信息取得部取得包含水质参数的水质信息，所述水质参数是从所述水系的至少由pH、阳离子要求量、残留氯浓度、温度、电导率、悬浮悬浊物质量、浊度以及色度构成的群所选择的两个以上的水质参数；所述关系性模型信息取得部取得包含事先作成的关系性模型的关系性模型信息，所述关系性模型表示由构成能够在所述水系中形成水垢的离子的浓度的函数所计算出的水垢化指标值与所述水质参数的关系；所述推定部基于所述水质信息以及所述关系性模型信息来计算水垢化指标推定值；所述水垢防止剂添加模型信息取得部取得包含事先作成的水垢防止剂添加模型的水垢防止剂添加模型信息，所述水垢防止剂添加模型表示所述水垢化指标推定值与水垢防止剂的添加量的关系；所述添加量决定部基于所述水垢化指标推定值以及所述水垢防止剂添加模型信息来决定水垢防止剂的添加量。
一种水系的水垢化指标值的推定程序，使计算机作为水质信息取得部、关系性模型信息取得部以及推定部发挥功能；所述水质信息取得部取得包含水质参数的水质信息，所述水质参数是从所述水系的至少由pH、阳离子要求量、残留氯浓度、温度、电导率、悬浮悬浊物质量、浊度以及色度构成的群所选择的两个以上的水质参数；所述关系性模型信息取得部取得包含事先作成的关系性模型的关系性模型信息，所述关系性模型表示由构成能够在所述水系中形成水垢的离子的浓度的函数所计算出的水垢化指标值与所述水质参数的关系；所述推定部基于所述水质信息以及所述关系性模型信息来计算水垢化指标推定值。
一种水系的水垢生成的预测程序，使计算机作为水质信息取得部、关系性模型信息取得部、推定部以及预测部发挥功能；所述水质信息取得部取得包含水质参数的水质信息，所述水质参数是从所述水系的至少由pH、阳离子要求量、残留氯浓度、温度、电导率、悬浮悬浊物质量、浊度以及色度构成的群所选择的两个以上的水质参数；所述关系性模型信息取得部取得包含事先作成的关系性模型的关系性模型信息，所述关系性模型表示由构成能够在所述水系中形成水垢的离子的浓度的函数所计算出的水垢化指标值与所述水质参数的关系；所述推定部基于所述水质信息以及所述关系性模型信息来计算水垢化指标推定值；所述预测部基于所述水垢化指标推定值来预测水垢生成的有无或者其可能性。
一种对水系添加水垢防止剂的控制程序，使计算机作为水质信息取得部、关系性模型信息取得部、推定部、水垢防止剂添加模型信息取得部以及添加量决定部发挥功能；所述水质信息取得部取得包含水质参数的水质信息，所述水质参数是从所述水系的至少由pH、阳离子要求量、残留氯浓度、温度、电导率、悬浮悬浊物质量、浊度以及色度构成的群所选择的两个以上的水质参数；所述关系性模型信息取得部取得包含事先作成的关系性模型的关系性模型信息，所述关系性模型表示由构成能够在所述水系中形成水垢的离子的浓度的函数所计算出的水垢化指标值与所述水质参数的关系；所述推定部基于所述水质信息以及所述关系性模型信息来计算水垢化指标推定值；所述水垢防止剂添加模型信息取得部取得包含事先作成的水垢防止剂添加模型的水垢防止剂添加模型信息，所述水垢防止剂添加模型表示所述水垢化指标推定值与水垢防止剂的添加量的关系；所述添加量决定部基于所述水垢化指标推定值以及所述水垢防止剂添加模型信息来决定水垢防止剂的添加量。
一种水系的水垢化指标值的推定方法，其特征在于，包括水质信息取得工序、关系性模型信息取得工序以及推定工序；在所述水质信息取得工序中，取得包含水质参数的水质信息，所述水质参数是从所述水系的至少由pH、阳离子要求量、残留氯浓度、温度、电导率、悬浮悬浊物质量、浊度以及色度构成的群所选择的两个以上的水质参数；在所述关系性模型信息取得工序中，取得包含事先作成的关系性模型的关系性模型信息，所述关系性模型表示由构成能够在所述水系中形成水垢的离子的浓度的函数所计算出的水垢化指标值与所述水质参数的关系；在所述推定工序中，基于所述水质信息以及所述关系性模型信息来计算水垢化指标推定值。
一种水系的水垢生成的预测方法，其特征在于，包括水质信息取得工序、关系性模型信息取得工序、推定工序以及预测工序；在所述水质信息取得工序中，取得包含水质参数的水质信息，所述水质参数是从所述水系的至少由pH、阳离子要求量、残留氯浓度、温度、电导率、悬浮悬浊物质量、浊度以及色度构成的群所选择的两个以上的水质参数；在所述关系性模型信息取得工序中，取得包含事先作成的关系性模型的关系性模型信息，所述关系性模型表示由构成能够在所述水系中形成水垢的离子的浓度的函数所计算出的水垢化指标值与所述水质参数的关系；在所述推定工序中，基于所述水质信息以及所述关系性模型信息来计算水垢化指标推定值；在所述预测工序中，基于所述水垢化指标推定值来预测水垢生成的有无或者其可能性。
一种对水系添加水垢防止剂的控制方法，其特征在于，包括水质信息取得工序、关系性模型信息取得工序、推定工序、水垢防止剂添加模型信息取得工序以及添加量决定工序；在所述水质信息取得工序中，取得包含水质参数的水质信息，所述水质参数是从所述水系的至少由pH、阳离子要求量、残留氯浓度、温度、电导率、悬浮悬浊物质量、浊度以及色度构成的群所选择的两个以上的水质参数；在所述关系性模型信息取得工序中，取得包含事先作成的关系性模型的关系性模型信息，所述关系性模型表示由构成能够在所述水系中形成水垢的离子的浓度的函数所计算出的水垢化指标值与所述水质参数的关系；在所述推定工序中，基于所述水质信息以及所述关系性模型信息来计算水垢化指标推定值；在所述水垢防止剂添加模型信息取得工序中，取得包含事先作成的水垢防止剂添加模型的水垢防止剂添加模型信息，所述水垢防止剂添加模型表示所述水垢化指标推定值与水垢防止剂的添加量的关系；在所述添加量决定工序中，基于所述水垢化指标推定值以及所述水垢防止剂添加模型信息来决定水垢防止剂的添加量。
当然，并不仅限于此。
根据本发明，能够根据在操作中可简易测定的水质信息来推定成为水垢产生的尺度的指标值。
附图说明
图1是本实施方式的预测系统的概要图。
图2是表示本实施方式的预测装置的功能结构的概要示意图。
图3是表示本实施方式的预测装置的硬体结构的概要图。
图4是本实施方式的预测方法的流程图。
图5是实施例1的合计19组数据集(Data set)的水垢化指标值对水垢化指标推定值的图。
图6是实施例2的合计18组数据集的水垢化指标值对水垢化指标推定值的图。
具体实施方式
以下将结合附图对本发明的实施方式进行说明。以下实施方式中所示的各构成要素均可互相组合。
用于实现本实施方式中出现的软件的程序可以作为非暂时性计算机可读存储介质(Non-Transitory Computer-Readable Medium)来提供，也可以由外部服务器下载提供，还可以由外部计算机启动该程序，在客户终端上实现功能(即所谓的云计算)。
另外，本实施方式中的术语“部”可以是包含了例如广义上的电路实现的硬件资源和由这些硬件资源具体实现的软件信息处理的组合的概念。而且，在本实施方式中涉及了各种信息，这些信息可通过例如表示电压或电流的信号值的物理值，或是作为由0或1所组成的二进制位集的信号值的高低，又或者是量子叠加(即所谓的量子比特)来表示，并且可以在广义的电路上执行通信及计算。
此外，广义上的电路是通过至少适当地组合电路(Circuit)、电路类(Circuitry)、处理器(Processor)、以及存储器(Memory)等来实现的电路。即，包含了面向特定用途的集成电路(ASIC:Application Specific Integrated Circuit)，可编程逻辑设备(例如简单可编程逻辑设备(SPLD:Simple Programmable Logical Device)、复合可编程逻辑设备(CPLD:Complex Programmable Logic Device))以及现场可编程门阵列(FPGA:FieldProgrammable Gate Array)等等。
<预测系统>
本实施方式的预测系统是水系的水垢生成的预测系统。具体而言，所述预测系统具备水质信息取得部、关系性模型信息取得部、推定部以及预测部。其中，水质信息取得部取得包含水质参数的水质信息，所述水质参数是从水系的至少由pH、阳离子要求量、残留氯浓度、温度、电导率、悬浮悬浊物质量、浊度以及色度构成的群所选择的两个以上的水质参数。关系性模型信息取得部取得包含事先作成的关系性模型的关系性模型信息，所述关系性模型表示由构成能够在水系中形成水垢的离子的浓度的函数所计算出的水垢化指标值与水质参数的关系。推定部基于水质信息以及关系性模型信息来计算水垢化指标推定值。预测部基于水垢化指标推定值来预测水垢生成的有无或者其可能性。
另外，虽然不是必须构成要素，但是本实施方式的预测系统还可以包括以下中的一个或两个以上：关系性模型作成部、预测模型作成部、预测模型信息取得部、水垢防止剂添加模型作成部、水垢防止剂添加模型信息取得部、添加量决定部、输出部、水垢防止剂添加部。在以下说明的图1中，主要对具备全部这些要素的预测系统进行说明。
在此，“水垢”是指从水系析出并堆积的金属盐的总称。具体而言，作为水垢没有特别限定，可以列举草酸钙、碳酸钙、硫酸钙、磷酸钙、硫酸钡等。
水垢化指标值是能够作为水垢产生的指标值的数值，并且只要是由构成可形成于水系中的水垢的离子的浓度的函数所计算出的数值即可，并无特别限定。作为所述函数，例如可以使用水垢化指数值SI。具体而言，水垢化指数值SI是各离子的浓度的价数乘幂的积相对于各离子的溶解度积的比的对数值。在非专利文献1中，显示出了草酸钙的水垢化指数值SI，在非专利文献2中，显示出了碳酸钙的水垢化指数值SI。具体而言，当设阳离子为A、阴离子为B、阳离子A的价数为+n、阴离子B的价数为-m(n及m各自独立为正整数)、阳离子A与阴离子B的溶解度积为Ksp时，则水垢化指数值SI的通式由以下的数式(1)表示。
[数式1]
在数式(1)中，分别显示出了阳离子A、阴离子B各一种的数式，但阳离子及阴离子的数量取决于产生的水垢种类，并不仅限于一种。
如上所述，用于求出水垢化指标值的函数并不特别限定于数式(1)。作为数式(1)以外的水垢化指标值，也可以是不取数式(1)的对数值(log的内部)(数式(2))、其倒数(数式(3))、将数式(1)的对数的内部设为倒数(数式(4))、数式(1)至(4)的乘幂、对常数进行加、减、乘、除等。
[数式2]
[数式3]
[数式4]
作为用于求出水垢化指标值的函数，虽然既可包含也可不包含溶解度积Ksp，但是优选为包含溶解度积Ksp。另外，作为用于求出水垢化指标值的函数，优选至少包含阳离子、阴离子中的任意一种以上，更加优选包含所有种类的阳离子及阴离子。在一种实施方式中，作为用于求出水垢化指标值的函数，优选包含所有种类的阳离子及阴离子，并且是这些浓度的积与这些离子的溶解度积之比(数式(2)、(3))的函数。
[预测系统的功能结构]
图1是本实施方式的预测系统的概要图。所述预测系统1具备预测装置2、输出装置3、水质信息测定装置4以及水垢防止剂添加装置5。
其中，预测装置2控制预测系统1中的用于预测的信息处理。图2是显示出本实施方式的预测装置的功能结构的概要示意图。如图2所示，本实施方式的预测装置2具备水质信息取得部20、关系性模型信息取得部21、推定部22以及预测部23。此外，本实施方式的预测装置2还包括关系性模型作成部24、预测模型作成部25、预测模型信息取得部26、水垢防止剂添加模型作成部27、水垢防止剂添加模型信息取得部28以及添加量决定部29。这些各部在此被描述为包含在一个装置的内部，然而各部也可以分别包含于不同的装置。另外，输出装置3是输出部的示例，水质信息测定装置4是水质信息测定部的示例，水垢防止剂添加装置5是水垢防止剂添加部的示例，但在以下说明中不作特别区分。
[预测系统的功能]
以下，对预测系统1的各部的功能进行具体说明。
[水质信息取得部]
水质信息取得部20取得包含水质参数的水质信息，所述水质参数是从水系的至少由pH、阳离子要求量、残留氯浓度、温度、电导率、悬浮悬浊物质量、浊度及色度构成的群所选择的两个以上的水质参数。
水系的pH、阳离子要求量、残留氯浓度、温度、电导率、悬浮悬浊物质量、浊度及色度均与水垢化指标值或离子的浓度有一定相关性。因此，水质信息取得部取得包含这其中两个以上的水质参数，并计算水垢化指标推定值。
作为水质参数，只要是pH、阳离子要求量、残留氯浓度、温度、电导率、悬浮悬浊物质量、浊度及色度中的两个以上，则可以是任意组合，但优选为至少包含电导率。在水垢化之前，构成水垢的成分在水中作为离子存在。电导率是表示水中的离子成分多少的指标，因此电导率作为水垢化相关的指标尤为有用。另外，水质参数优选不包含构成水垢的阳离子的浓度以及阴离子的浓度。残留氯浓度是指测定阴离子的浓度，但由于连续测定器可以通过市售获得，因此容易测定。
[关系性模型信息取得部]
关系性模型信息取得部21取得包含事先作成的关系性模型的关系性模型信息，所述关系性模型表示由构成能够在水系中形成水垢的离子的浓度的函数所计算出的水垢化指标值与水质参数的关系。
关系性模型是事先作成的模型，表示由构成能够在水系中形成水垢的离子的浓度的函数所计算出的水垢化指标值与水质参数的关系。“事先”是指在计算水垢化指标推定值之前，无论是在计算水垢化指标推定值的操作中，或者是在实际操作之前，只要是在计算水垢化指标推定值之前即可。
作为关系性模型并无特别限定，例如可列举出表示水垢化指标值与水质参数的关系的函数，查找表或者水垢化指标值与水质参数的关系的已学习模型等。
由水质信息取得部20取得的水质信息中包含的水质参数与在关系性模型中使用的水质信息中包含的水质参数设为以下所示中的两个以上的共通参数：pH、阳离子要求量、残留氯浓度、温度、电导率、悬浮悬浊物质量、浊度以及色度。
[推定部]
推定部22基于水质信息以及关系性模型信息来计算水垢化指标推定值。
具体而言，在推定部22中，对预先作成的关系性模型输入操作中的实时水质信息，并且进行运算或者对照等，从而计算水垢化指标推定值。
[预测部]
预测部23基于水垢化指标推定值来预测水垢生成的有无或者其可能性。
水垢化指标推定值作为水系的水垢产生的指标。在此，将所述水垢化指标推定值输入到事先准备的预测模型中，预测水垢生成的有无或者其可能性。
在预测水垢生成有无的情况下，例如在水垢化指标推定值或者水垢化指标推定值的每单位时间的变化量中设置阈值，若水垢化指标推定值大于(或小于)所述阈值，则可以预测水垢产生。
在预测水垢生成可能性的情况下，例如在水垢化指标推定值或水垢化指标推定值的每单位时间的变化量中设置多个阈值，例如分为3个阶段，当水垢化指标推定值或水垢化指标推定值的每单位时间的变化量处于第一阶段时，可以预测水垢确实产生，当水垢化指标推定值或水垢化指标推定值的每单位时间的变化量处于第二阶段时，可以预测水垢有可能产生，当水垢化指标推定值或水垢化指标推定值的每单位时间的变化量处于第三阶段时，可以预测水垢确实不会产生。此外，可以根据实际操作的统计数据对水垢化指标推定值或水垢化指标推定值的每单位时间的变化量及产生概率进行函数化或已学习模型化，从而计算水垢生成的概率。
[关系性模型作成部]
关系性模型作成部24作成关系性模型，所述关系性模型用于由关系性模型信息取得部21取得并且由推定部22计算水垢化指标推定值。
例如，关系性模型可通过以下方式作成。在计算水垢化指标推定值之前，测定构成水垢的离子的浓度，并且基于这些浓度计算水垢化指标值。另外，在同一水系中，测定从由pH、阳离子要求量、残留氯浓度、温度、电导率、悬浮悬浊物质量、浊度及色度构成的群中所选择的两个以上的水质参数。准备多组这样的水垢化指标值以及水质参数的数据集，例如改变进行测定的日期或时间等，以使水垢化指标值以及水质参数的数值产生变动。然后，将水垢化指标值假设为水质参数(两个以上的参数)的函数，与实际的水垢化指标值进行对比，确定函数的方式或系数，构建关系性模型。此时，在通过函数与实际的水垢化指标值的对比来确定函数的系数时，可以使用回归分析法(线性模型、一般化线性模型、一般化线性混合模型)、决策树(决策树、回归树、随机森林、XG Boost等)、神经网络(单纯解析器、DNN(Deep Neural Network；深度神经网络)、CNN(Convolution Neural Network：卷积神经网络)、RNN(Recurrent Neural Network；循环神经网络)等)、贝叶斯(自然贝叶斯等)、聚类(k-means、k-means++等)、合组学习(Boosting、Adaboost等)等等。
在一种实施方式中，关系性模型优选为通过水垢化指标值与作为水质参数的函数的水垢化指标推定函数的回归分析而求出的模型。关于回归分析的具体方法将在之后说明。
构成水垢的离子在水垢为草酸钙时是钙离子及草酸离子，在水垢为碳酸钙时是钙离子及碳酸离子，在水垢为硫酸钙时是钙离子及硫酸离子，在水垢为磷酸钙时是钙离子及磷酸离子，在水垢为硫酸钡时是钡离子及硫酸离子。钙离子的浓度可以用钙硬度代替，另外，碳酸离子也可以用M碱度代替。
关系性模型的作成优选为与进行水垢化指标推定值的计算的水系在同一水系中进行。另外，例如即使在同一装置内，在水系的水质发生较大变化的情况下(例如，在造纸工厂的抄纸系中，变更作为造纸原料的纸浆的情况等)，优选为作成并使用关于水质变化后的水系的关系性模型。
从这样的观点出发，在水系的操作中，还可以定期或不定期地测定构成水垢的离子的浓度，根据情况作成关系性模型，或者追加数据来更新关系性模型。
关系性模型作成部24不是必须的构成要素，因此关系性模型的作成可以由操作员等人为(手动)进行。
[预测模型作成部]
预测模型作成部25作成预测模型，所述预测模型用于由后述的预测模型信息取得部26取得并且由预测部23预测水垢生成的有无或可能性。
在此，预测模型是指表示水垢化指标值与水垢生成的有无或水垢的生成量的关系的模型。
作为预测模型并无特别限定，例如可以列举表示水垢化指标值与水垢生成的有无或水垢生成量的关系的函数、查找表或者水垢化指标值与水垢生成的有无或水垢生成量的关系的已学习模型等。
例如，预测模型可通过以下方式作成。在计算水垢化指标推定值之前，测定构成水垢的离子的浓度，基于这些浓度来计算水垢化指标值。另外，在同一水系中，确认有无水垢的生成，或者测定水垢的生成量。将这些水垢化指标值以及水垢生成的有无或水垢的生成量的数据集准备为多组，例如改变进行测定的日期或时间等，以使水垢化指标值以及水垢生成的有无或者水垢的生成量的数值产生变动。接着，将水垢生成的概率或水垢的生成量作为水垢化指标值的函数，构建预测模型。此外，例如也可以在准备了多组水垢化指标值以及水垢生成的有无或水垢的生成量的数据集之后，在水垢生成变得显著的节点或者水垢生成量到达容许量以上的节点等设定阈值，构建预测模型。
预测模型的作成优选为与进行水垢化指标推定值的计算的水系在同一水系中进行。另外，例如即使在同一装置内，在水系的水质发生较大变化的情况下(例如，在造纸工厂的抄纸系中，变更作为造纸原料的纸浆的情况等)，优选为作成并使用关于水质变化后的水系的预测模型。
预测模型作成部25不是必须的构成要素，因此预测模型的作成可以由操作员等人为(手动)进行。
[预测模型信息取得部]
预测模型信息取得部26取得预测模型。作为预测模型，可以由预测模型作成部25作成。
[水垢防止剂添加模型作成部]
水垢防止剂添加模型作成部27作成水垢防止剂添加模型，所述水垢防止剂添加模型用于由后述的预测模型信息取得部26取得，并且由水垢防止剂添加部5对应于水垢化指标推定值添加适当量的水垢防止剂。
在此，水垢防止剂添加模型是指表示水垢化指标推定值与水垢防止剂的添加量(例如最小添加量)的关系的模型。
作为水垢防止剂添加模型并无特别限定，例如可以列举出表示水垢化指标值与水垢防止剂的添加量的关系的函数、查找表或者水垢化指标值与水垢防止剂的添加量的关系的已学习模型等。
例如，水垢防止剂添加模型可通过以下方式作成。在添加水垢防止剂之前，分别准备阳离子及阴离子的水溶液(pH及温度恒定)，其中已知构成水垢的离子的浓度(即，已知溶解度积及水垢化指标值)。在阳离子的水溶液中，添加预定量的水垢防止剂进行混合之后，再添加阴离子的水溶液进行混合。然后，将得到的混合液进行过滤，测定得到的滤液的阳离子、阴离子中任意一方的离子的浓度。接着，改变水垢防止剂的添加量并进行同样的操作，计算混合液的理论上的离子浓度与滤液的离子浓度一致的最小水垢防止剂的添加量(最小添加量)。然后，改变离子的浓度(即，改变水垢化指标值)并多次重复以上操作，将水垢化指标推定值与水垢防止剂的添加量的关系进行模型化。“阳离子的水溶液”、“阴离子的水溶液”是指构成水垢的含有阳离子、阴离子的水溶液，例如以草酸钙水垢为例，阳离子的水溶液是氯化钙水溶液，阴离子的水溶液是草酸水溶液。正如在阳离子的水溶液中含有氯离子一样，阳离子的水溶液、阴离子的水溶液中还可以含有构成水垢的阳离子、阴离子的抗离子，其种类没有特别限定。
作为水垢防止剂，只要能够防止目标水垢的形成即可，并无特别限定，可以使用例如将丙烯酸、甲基丙烯酸、马来酸、衣康酸等羧酸系单体聚合而成的聚合物、将所述羧酸系单体与苯乙烯磺酸、乙烯醇、丙烯酰胺、2-羟基-3-芳氧基-1-丙磺酸中的至少一个单体聚合而成的共聚物、硝基三亚甲基膦酸、羟基乙基二膦酸、膦基丁烷三羧酸、三聚磷酸钠、六偏磷酸钠等等。
水垢防止剂添加模型作成部27不是必须的构成要素，因此水垢防止剂添加模型的作成可以由操作员等人为(手动)进行。
[水垢防止剂添加模型信息取得部]
水垢防止剂添加模型信息取得部28取得水垢防止剂添加模型。作为水垢防止剂添加模型，例如可以由水垢防止剂添加模型作成部27作成。
[添加量决定部]
添加量决定部29基于水垢化指标推定值及水垢防止剂添加模型来决定水垢防止剂的添加量。作为水垢化指标推定值，可以是由推定部22计算的值，作为水垢防止剂添加模型，可以是由水垢防止剂添加模型作成部27作成的模型。
通过水垢化指标推定值及水垢防止剂添加模型，可以在水垢化指标推定值的条件下求出水垢防止剂的最小添加量。在添加量决定部29中，可以直接使用最小添加量，还可以使用通过将安全系数等添加至最小添加量而得到的添加量。
在此，决定的添加量被发送至后述的水垢防止剂添加部5，从水垢防止剂添加部5向水系添加所述量的水垢防止剂。
另外，也可以使用由预测部23预测的水垢生成量来代替由推定部22计算的水垢化指标推定值。
[输出部]
输出部3构成为输出水垢化指标推定值、由预测部23预测的水垢生成的有无或者其可能性中的至少一方。作为水垢化指标推定值，可以由推定部22计算，作为水垢生成的有无或者其可能性，可以由预测部23预测。
当输出部3输出水垢化指标推定值时，例如也可以随着时间的推移显示水垢化指标推定值(水垢化指标推定值对时间图等)。
当输出部3输出水垢生成的有无或其可能性时，例如当水垢生成的可能性超过一定阈值时，可以输出警告。
输出部3除了显示以上所述的水垢化指标推定值或水垢生成的有无或其可能性之外，还可以显示水质参数等，特别是所述水质参数可以随着时间的推移显示。
[水质信息测定部]
水质信息测定部4是指测定作为水垢产生预测对象的水系的水质参数。
作为测定装置，可以根据需要测定的水质参数的内容来选择各种传感器等。作为测定装置，例如，在测定pH时，可以使用pH计作为测定装置。在测定阳离子要求量时，可以使用胶体粒子电荷计作为测定装置。在测定残留氯浓度时，可以使用残留氯测定器作为测定装置。在测定温度时，可以使用温度计作为测定装置。在测定电导率时，可以使用电导率计作为测定装置。在测定悬浮悬浊物质量时，可使用悬浮悬浊物浓度测定计作为测定装置。在测定浊度时，可使用浊度计作为测定装置。在测定色度时，可以使用色度计作为测定装置。
[水垢防止剂添加部]
水垢防止剂添加部5将基于以上所述的添加量决定部29的指示的量的水垢防止剂添加至水系。
[预测系统的应用例：造纸工厂的牛皮纸浆漂白工序]
例如，在造纸工厂中，除了来源于牛皮纸浆的原料碎片中的草酸离子、钙离子被溶出到水系以外，用水中也含有钙离子，另外，特别是在漂白工序中有机物被氧化生成草酸离子，因此在牛皮纸浆漂白工序的水系中，草酸离子及钙离子容易达到高浓度。并且，当草酸离子及钙离子像这样超过一定浓度时，便成为草酸钙而产生水垢。
在这样的系统中，如非专利文献1所示，草酸钙的水垢化指标值SI由以下的数式(5)表示，其中钙离子与草酸离子的溶解度积为Ksp。
[数式(5)]
另一方面，假设牛皮纸浆漂白工序中的水系的水垢化指数推定值SIest为温度、pH及电导率的函数，将b0～b8作为系数，由以下的数式(6)表示。b0～b8可以是正负中的任意一方，可以为整数也可以为小数，这其中任意六个以下也可以为0(考虑最小的两个水质参数即可)，在这种情况下也可以不测定与这些系数相关的水质参数。
[数式(6)]
Y{SIest}＝{b0+(b1×pH)+(b2×阳离子要求量)+(b3×残留氯浓度)+(b4×温度)+(b5×电导率)+(b6×悬游悬浊物质量)+(b7×浊度)+(b8×色度)}…(6)
然而，Y{SIest}是SIest，logSIest，log的任意一方。
接下来，在所述水系中，随着时间的推移测定钙离子浓度、草酸离子浓度、pH、阳离子要求量、残留氯浓度、温度、电导率、悬浮悬浊物质量、浊度及色度的数据集，得到多个数据集。
然后，利用分析软件将得到的数据集分别代入SI及SIest进行回归分析，求出系数b0～b8并代入上述数式(6)，得到显示出水垢化指标值与水质参数的关系的关系性模型。
一旦得到这样的关系性模型，在实际操作中，只要测定pH、阳离子要求量、残留氯浓度、温度、电导率、悬浮悬浊物质量、浊度及色度，即可计算出作为SI的近似值的SIest。即，根据本实施方式的预测系统(推定系统)，为了掌握水垢生成的容易度，便不再需要测定钙离子浓度或草酸离子浓度，可以即时且连续地求出水垢化指数值。
在这样的系统中，预测得到的SIest值越大越容易产生水垢，并在输出部3上显示警告。看到此警告的操作人员可以对应于警告的程度在所述水系中添加水垢防止剂。这样一来，在能够执行水垢防止的同时，也能够削减本来在不会产生水垢时添加的水垢防止剂。
以上，对造纸工厂的牛皮纸浆漂白工序为水系的情况的具体示例进行了说明，然而在考虑其他水系时，关于数式(5)可以根据需要改变构成水垢的离子的种类并直接使用。
另外，在以上说明中，将造纸工厂的漂白工序作为水系进行了说明，然而本实施方式的预测系统等中作为对象的水系没有特别限定，如果是造纸工厂，则可以列举出蒸解工序、清洗工序、黑液浓缩工序、苛性化工序等。另外，作为对象的水系，在造纸工厂以外的水系之外，还可以列举例如制铁厂的高炉集尘水系、转炉集尘水系或者连续铸造、热轧、冷轧工序的直接冷却水系及间接冷却水系、在工地内产生的渗出水系或排水系等。进而，作为对象的水系，可以列举出发电厂或煤化工厂中的脱硫装置、排水、集尘水系等。不仅如此，作为对象的水系，还可以列举出以上示例的水系以外的各种管道、热交换器、储藏罐、窑、清洗装置等等。
[预测系统的硬体结构]
图3是表示本实施方式的预测装置的硬体结构的概要图。如图3所示，预测装置2具有通信部61、存储部62及控制部63，这些构成要素在预测装置2的内部经由通信总线64进行电连接。以下将对这些构成要素作进一步说明。
通信部61虽然优选为USB(Universal Serial Bus：通用串行总线)、IEEE(Institue of Electrical and Electronics Engineers：美国电机电子工程师学会)1394、Thunderbolt(雷电接口)、有线LAN(Local Area Network：区域网络)网络通信等有线通信手段，然而根据需要也可以包括无线LAN网络通信、3G(Third Generation MobileCommunication：第三代移动通信技术)/LTE(Long Term Evolution：长期演进技术)/5G(Fifth Generation Mobile Communication：第五代移动通信技术)等移动通信、蓝牙(Bluetooth，注册商标)通信等等。即，进一步优选地将这些多个通信手段组合来实施。由此，预测装置2与其他可通信设备之间执行信息或命令的交换。
存储部62存储上述说明所定义的各种信息。其可例如作为固态驱动器(SoldState Drive：SSD)等存储设备来实施，或者作为用于存储程序运算有关的临时必要信息(参数、阵列等)的随机存取存储器(Random Access Memory：RAM)等的存储器来实施。此外，存储部62也可以是这些的组合。另外，存储部62存储由后述的控制部63可读取的各种程序。
控制部63执行预测装置2相关整体动作的处理及控制。所述控制部63是例如中央处理器(Central Processing Unit；CPU，未图式)。控制部63通过读取存储部62所存储的预定程序来实现预测装置2相关的各种功能。即，通过硬件(控制部63)具体地实现基于软件(存储于存储部62)的信息处理，从而如图3所示能够作为控制部63中的各功能部来执行。在图3中，控制部63虽然表述为单个，但实际上并不仅限于此，可按照各功能实施为具有多个控制部63。此外，还可以将单一控制部与多个控制部进行组合。
<推定系统>
本实施方式的推定系统是水系的水垢化指标值的推定系统。具体而言，所述推定系统具备水质信息取得部、关系性模型信息取得部以及推定部。水质信息取得部取得包含水质参数的水质信息，所述水质参数是从水系的至少由pH、阳离子要求量、残留氯浓度、温度、电导率、悬浮悬浊物质量、浊度以及色度构成的群所选择的两个以上的水质参数。关系性模型信息取得部取得包含事先作成的关系性模型的关系性模型信息，所述关系性模型表示由构成能够在水系中形成水垢的离子的浓度的函数所计算出的水垢化指标值与水质参数的关系。推定部基于水质信息以及关系性模型信息来计算水垢化指标推定值。
水质信息取得部、关系性模型信息取得部以及推定部可以使用与所述预测系统同样的方式，因而在此省略说明。
<控制系统>
本实施方式的控制系统是对水系添加水垢防止剂的控制系统。具体而言，所述控制系统具备水质信息取得部、关系性模型信息取得部、推定部、水垢防止剂添加模型信息取得部以及添加量决定部。其中，水质信息取得部取得包含水质参数的水质信息，所述水质参数是从水系的至少由pH、阳离子要求量、残留氯浓度、温度、电导率、悬浮悬浊物质量、浊度以及色度构成的群所选择的两个以上的水质参数。关系性模型信息取得部取得包含事先作成的关系性模型的关系性模型信息，所述关系性模型表示由构成能够在水系中形成水垢的离子的浓度的函数所计算出的水垢化指标值与水质参数的关系。推定部基于水质信息以及关系性模型信息来计算水垢化指标推定值。水垢防止剂添加模型信息取得部取得包含事先作成的水垢防止剂添加模型的水垢防止剂添加模型信息，所述水垢防止剂添加模型表示水垢化指标推定值与水垢防止剂的添加量的关系。添加量决定部基于水垢化指标推定值以及水垢防止剂添加模型信息来决定水垢防止剂的添加量。
在所述控制系统中，特别是在具备水垢防止剂添加部的情况下，也可以作为对水系添加水垢防止剂的添加系统来使用。
<推定装置>
本实施方式的推定装置是水系的水垢化指标值的推定装置。具体而言，所述推定装置具备水质信息取得部、关系性模型信息取得部以及推定部。其中，水质信息取得部取得包含水质参数的水质信息，水质参数是从水系的至少由pH、阳离子要求量、残留氯浓度、温度、电导率、悬浮悬浊物质量、浊度以及色度构成的群所选择的两个以上的水质参数。关系性模型信息取得部取得包含事先作成的关系性模型的关系性模型信息，关系性模型表示由构成能够在水系中形成水垢的离子的浓度的函数所计算出的水垢化指标值与水质参数的关系。推定部基于水质信息以及关系性模型信息来计算水垢化指标推定值。
水质信息取得部、关系性模型信息取得部以及推定部可以使用与所述预测系统同样的方式，因而在此省略说明。
<控制装置>
本实施方式的控制装置是对水系添加水垢防止剂的控制装置。具体而言，所述控制装置具备水质信息取得部、关系性模型信息取得部、推定部、水垢防止剂添加模型信息取得部以及添加量决定部。其中，水质信息取得部取得包含水质参数的水质信息，所述水质参数是从水系的至少由pH、阳离子要求量、残留氯浓度、温度、电导率、悬浮悬浊物质量、浊度以及色度构成的群所选择的两个以上的水质参数。关系性模型信息取得部取得包含事先作成的关系性模型的关系性模型信息，所述关系性模型表示由构成能够在水系中形成水垢的离子的浓度的函数所计算出的水垢化指标值与水质参数的关系。推定部基于水质信息以及关系性模型信息来计算水垢化指标推定值。水垢防止剂添加模型信息取得部取得包含事先作成的水垢防止剂添加模型的水垢防止剂添加模型信息，所述水垢防止剂添加模型表示水垢化指标推定值与水垢防止剂的添加量的关系。添加量决定部基于水垢化指标推定值以及水垢防止剂添加模型信息来决定水垢防止剂的添加量。
水质信息取得部、关系性模型信息取得部、推定部、水垢防止剂添加模型信息取得部以及添加量决定部可以使用与所述预测系统同样的方式，因而在此省略说明。
<预测程序>
本实施方式的预测程序是水系的水垢生成的预测程序。具体而言，所述预测程序使计算机作为水质信息取得部、关系性模型信息取得部、推定部以及预测部发挥功能。其中，水质信息取得部取得包含水质参数的水质信息，所述水质参数是从水系的至少由pH、阳离子要求量、残留氯浓度、温度、电导率、悬浮悬浊物质量、浊度以及色度构成的群所选择的两个以上的水质参数。关系性模型信息取得部取得包含事先作成的关系性模型的关系性模型信息，所述关系性模型表示由构成能够在水系中形成水垢的离子的浓度的函数所计算出的水垢化指标值与水质参数的关系。推定部基于水质信息以及关系性模型信息来计算水垢化指标推定值。预测部基于水垢化指标推定值来预测水垢生成的有无或者其可能性。
水质信息取得部、关系性模型信息取得部、推定部及预测部可以使用与所述预测系统同样的方式，因而在此省略说明。
<推定程序>
本实施方式的推定程序是水系的水垢化指标值的推定程序。具体而言，所述推定程序使计算机作为水质信息取得部、关系性模型信息取得部以及推定部发挥功能。其中，水质信息取得部取得包含水质参数的水质信息，所述水质参数是从水系的至少由pH、阳离子要求量、残留氯浓度、温度、电导率、悬浮悬浊物质量、浊度以及色度构成的群所选择的两个以上的水质参数。关系性模型信息取得部取得包含事先作成的关系性模型的关系性模型信息，所述关系性模型表示由构成能够在水系中形成水垢的离子的浓度的函数所计算出的水垢化指标值与水质参数的关系。推定部基于水质信息以及关系性模型信息来计算水垢化指标推定值。
水质信息取得部、关系性模型信息取得部以及推定部可以使用与所述预测系统同样的方式，因而在此省略说明。
<控制程序>
本实施方式的控制程序是对水系添加水垢防止剂的控制程序。具体而言，所述控制程序使计算机作为水质信息取得部、关系性模型信息取得部、推定部、水垢防止剂添加模型信息取得部以及添加量决定部发挥功能。其中，水质信息取得部取得包含水质参数的水质信息，所述水质参数是从水系的至少由pH、阳离子要求量、残留氯浓度、温度、电导率、悬浮悬浊物质量、浊度以及色度构成的群所选择的两个以上的水质参数。关系性模型信息取得部取得包含事先作成的关系性模型的关系性模型信息，关系性模型表示由构成能够在水系中形成水垢的离子的浓度的函数所计算出的水垢化指标值与水质参数的关系。推定部基于水质信息以及关系性模型信息来计算水垢化指标推定值。水垢防止剂添加模型信息取得部取得包含事先作成的水垢防止剂添加模型的水垢防止剂添加模型信息，所述水垢防止剂添加模型表示水垢化指标推定值与水垢防止剂的添加量的关系。添加量决定部基于水垢化指标推定值以及水垢防止剂添加模型信息来决定水垢防止剂的添加量。
水质信息取得部、关系性模型信息取得部、推定部、水垢防止剂添加模型信息取得部以及添加量决定部可以使用与所述预测系统同样的方式，因而在此省略说明。
在推定系统、控制系统、预测系统、推定装置、控制装置、预测程序、推定程序以及控制程序中，即使在以上未作为必须结构进行说明的情况下，也能够设置预测部、关系性模型作成部、预测模型作成部、预测模型信息取得部、水垢防止剂添加模型作成部、水垢防止剂添加模型信息取得部以及添加量决定部，这些与所述预测系统使用同样的方式，因而在此省略说明。另外，在推定系统、控制系统以及预测系统中，即使在以上未作为必须结构进行说明的情况下，也能够设置输出部、水质信息测定部以及水垢防止剂添加部，这些与所述预测系统使用同样的方式，因而在此省略说明。
<预测方法>
本实施方式的预测方法是水系的水垢生成的预测方法。具体而言，所述预测方法具备水质信息取得工序、关系性模型信息取得工序、推定工序以及预测工序。其中，在水质信息取得工序中，取得包含水质参数的水质信息，所述水质参数是从水系的至少由pH、阳离子要求量、残留氯浓度、温度、电导率、悬浮悬浊物质量、浊度以及色度构成的群所选择的两个以上的水质参数。在关系性模型信息取得工序中，取得包含事先作成的关系性模型的关系性模型信息，所述关系性模型表示由构成能够在水系中形成水垢的离子的浓度的函数所计算出的水垢化指标值与水质参数的关系。在推定工序中，基于水质信息以及关系性模型信息来计算水垢化指标推定值。在预测工序中，基于水垢化指标推定值来预测水垢生成的有无或者其可能性。
图4是本实施方式的预测方法的流程图。如图4所示，在本实施方式的预测方法中，在取得水质信息(水质信息取得工序S1)的同时，取得关系性模型信息(关系性模型信息取得工序S2)，将这些作为输入信息来计算水垢化指标推定值(推定工序S3)。接着，将水垢化指标推定值作为输入信息来预测水垢生成的有无或其可能性(预测工序S4)。
<推定方法>
本实施方式的推定方法是水系的水垢化指标值的推定方法。具体而言，所述推定方法具备水质信息取得工序、关系性模型信息取得工序以及推定工序。其中，在水质信息取得工序中，取得包含水质参数的水质信息，所述水质参数是从水系的至少由pH、阳离子要求量、残留氯浓度、温度、电导率、悬浮悬浊物质量、浊度以及色度构成的群所选择的两个以上的水质参数。在关系性模型信息取得工序中，取得包含事先作成的关系性模型的关系性模型信息，关系性模型表示由构成能够在水系中形成水垢的离子的浓度的函数所计算出的水垢化指标值与水质参数的关系。在推定工序中，基于水质信息以及关系性模型信息来计算水垢化指标推定值。
所述推定方法的流程图与图4中到推定工序S3为止相同，因而在此省略说明。
<控制方法>
本实施方式的控制方法系对水系添加水垢防止剂的控制方法。具体而言，所述控制方法具备水质信息取得工序、关系性模型信息取得工序、推定工序、水垢防止剂添加模型信息取得工序以及添加量决定工序。其中，在水质信息取得工序中，取得包含水质参数的水质信息，所述水质参数是从水系的至少由pH、阳离子要求量、残留氯浓度、温度、电导率、悬浮悬浊物质量、浊度以及色度构成的群所选择的两个以上的水质参数。在关系性模型信息取得工序中，取得包含事先作成的关系性模型的关系性模型信息，所述关系性模型表示由构成能够在水系中形成水垢的离子的浓度的函数所计算出的水垢化指标值与水质参数的关系。在推定工序中，基于水质信息以及关系性模型信息来计算水垢化指标推定值。在水垢防止剂添加模型信息取得工序中，取得包含事先作成的水垢防止剂添加模型的水垢防止剂添加模型信息，所述水垢防止剂添加模型表示水垢化指标推定值与水垢防止剂的添加量的关系。在添加量决定工序中，基于水垢化指标推定值以及水垢防止剂添加模型信息来决定水垢防止剂的添加量。
在预测方法、推定方法及控制方法中，水质信息取得工序、关系性模型信息取得工序以及推定工序分别与水质信息取得部、关系性模型信息取得部以及推定部的动作相同，因而在此省略说明。
在预测方法、推定方法及控制方法中，即使在以上未作为必须结构进行说明的情况下，也能够设置预测工序、关系性模型作成工序、预测模型作成工序、预测模型信息取得工序、水垢防止剂添加模型作成工序、水垢防止剂添加模型信息取得工序以及添加量决定工序，这些工序与预测部、关系性模型作成部、预测模型作成部、预测模型信息取得部、水垢防止剂添加模型作成部、水垢防止剂添加模型信息取得部以及添加量决定部的动作相同，因而在此省略说明。
[实施例]
以下，通过示出本发明的实施例来更加具体地进行说明，但本发明并不限定于以下实施例。
[实施例1]
在产生草酸钙水垢的A造纸工厂的二氧化氯漂塔中，对清洗液的pH、电导率、温度、草酸离子浓度及钙离子浓度的数据集进行了19次不同时间的测定。对于所有数据集，根据草酸离子浓度、钙离子浓度及数式(1)求出了水垢化指标值(SI)。
接着，用微软公司Microsoft Office Excel的分析工具，对从合计19组数据集中随机选择的10组数据集进行了水垢化指标值与pH、电导率及温度的关系的回归分析。作为其结果，将pH、电导率及温度用作说明变数，得到了相关系数0.919(p<0.05)的关系性模型。
然后，对于合计19组数据集中其余9组数据集，利用关系性模型与pH、电导率及温度计算了水垢化指标推定值。所述9组数据集的相关系数为0.831(p<0.05)。
图5是实施例1的合计19组数据集的水垢化指标值对水垢化指标推定值的图。在图5中，横轴表示通过回归分析求出的水垢化指标推定值，纵轴表示根据温度、草酸离子浓度及钙离子浓度求出的水垢化指标值。
由以上可知，通过使用pH、电导率、温度以及关系性模型，即使不使用草酸离子浓度及钙离子浓度，也能够计算出与水垢化指标值相关的水垢化指标推定值。
[实施例2]
在产生碳酸钙水垢的B工厂的排烟脱硫装置循环水中，对循环水的pH、电导率、温度、浊度、M碱度及钙硬度的数据集进行了18次不同时间的测定。对于所有的数据集，通过使用M碱度(相当于碳酸离子浓度)、钙硬度(相当于钙离子浓度)的测定结果，求出了水垢化指标值(SI)。
接着，用微软公司Microsoft Office Excel的分析工具，对从合计18组数据集中随机选择的11组数据集进行了水垢化指标值与pH、电导率、温度及浊度的关系的回归分析。作为其结果，将pH、电导率、温度及浊度用作说明变数，得到了相关系数0.926(p<0.001)的关系性模型。
然后，对于合计18组数据集中其余7组数据集，利用关系性模型与pH、电导率、温度及浊度计算了水垢化指标推定值。所述7组数据集的相关系数为0.976(p<0.001)。
图6是实施例2的合计18组数据集的水垢化指标值对水垢化指标推定值的图。在图6中，横轴表示根据回归分析求出的水垢化指标推定值，纵轴表示根据温度、pH、M碱度及钙硬度求出的水垢化指标值。
由以上可知，通过使用pH、电导率、温度、浊度以及关系性模型，即使不使用碳酸离子浓度及钙离子浓度，也能够计算出与水垢化指标值相关的水垢化指标推定值。
符号说明
1：预测系统
2：预测装置
3：输出部或者输出装置
4：水质信息测定部或水质信息测定装置
5：水垢防止剂添加部或水垢防止剂添加装置
20：水质信息取得部
21：关系性模型信息取得部
22：推定部
23：预测部
24：关系性模型作成部
25：预测模型作成部
26：预测模型信息取得部
27：水垢防止剂添加模型作成部
28：水垢防止剂添加模型信息取得部
29：添加量决定部
61：通信部
62：存储部
63：控制部
64：通信总线

Claims (14)

1.一种水系的水垢化指标值的推定装置，其特征在于，包括：
水质信息取得部、关系性模型信息取得部以及推定部；
所述水质信息取得部取得包含水质参数的水质信息，所述水质参数是从所述水系的至少由pH、阳离子要求量、残留氯浓度、温度、电导率、悬浮悬浊物质量、浊度以及色度构成的群所选择的两个以上的水质参数；
所述关系性模型信息取得部取得包含事先作成的关系性模型的关系性模型信息，所述关系性模型表示由构成能够在所述水系中形成水垢的离子的浓度的函数所计算出的水垢化指标值与所述水质参数的关系；
所述推定部基于所述水质信息以及所述关系性模型信息来计算水垢化指标推定值。
2.如权利要求1所述的推定装置，其特征在于：
所述关系性模型是通过所述水垢化指标值与作为所述水质参数的函数的水垢化指标推定函数的回归分析所求出的模型。
3.如权利要求1或2所述的推定装置，其特征在于：
所述水质参数至少包含电导率。
4.一种水系的水垢生成的预测装置，其特征在于，包括：
水质信息取得部、关系性模型信息取得部、推定部以及预测部；
所述水质信息取得部取得包含水质参数的水质信息，所述水质参数是从所述水系的至少由pH、阳离子要求量、残留氯浓度、温度、电导率、悬浮悬浊物质量、浊度以及色度构成的群所选择的两个以上的水质参数；
所述关系性模型信息取得部取得包含事先作成的关系性模型的关系性模型信息，所述关系性模型表示由构成能够在所述水系中形成水垢的离子的浓度的函数所计算出的水垢化指标值与所述水质参数的关系；
所述推定部基于所述水质信息以及所述关系性模型信息来计算水垢化指标推定值；
所述预测部基于所述水垢化指标推定值来预测水垢生成的有无或者其可能性。
5.一种对水系添加水垢防止剂的控制装置，其特征在于，包括：
水质信息取得部、关系性模型信息取得部、推定部、水垢防止剂添加模型信息取得部以及添加量决定部；
所述水质信息取得部取得包含水质参数的水质信息，所述水质参数是从所述水系的至少由pH、阳离子要求量、残留氯浓度、温度、电导率、悬浮悬浊物质量、浊度以及色度构成的群所选择的两个以上的水质参数；
所述关系性模型信息取得部取得包含事先作成的关系性模型的关系性模型信息，所述关系性模型表示由构成能够在所述水系中形成水垢的离子的浓度的函数所计算出的水垢化指标值与所述水质参数的关系；
所述推定部基于所述水质信息以及所述关系性模型信息来计算水垢化指标推定值；
所述水垢防止剂添加模型信息取得部取得包含事先作成的水垢防止剂添加模型的水垢防止剂添加模型信息，所述水垢防止剂添加模型表示所述水垢化指标推定值与水垢防止剂的添加量的关系；
所述添加量决定部基于所述水垢化指标推定值以及所述水垢防止剂添加模型信息来决定水垢防止剂的添加量。
6.一种水系的水垢化指标值的推定系统，其特征在于，包括：
水质信息取得部、关系性模型信息取得部以及推定部；
所述水质信息取得部取得包含水质参数的水质信息，所述水质参数是从所述水系的至少由pH、阳离子要求量、残留氯浓度、温度、电导率、悬浮悬浊物质量、浊度以及色度构成的群所选择的两个以上的水质参数；
所述关系性模型信息取得部取得包含事先作成的关系性模型的关系性模型信息，所述关系性模型表示由构成能够在所述水系中形成水垢的离子的浓度的函数所计算出的水垢化指标值与所述水质参数的关系；
所述推定部基于所述水质信息以及所述关系性模型信息来计算水垢化指标推定值。
7.一种水系的水垢生成的预测系统，其特征在于，包括：
水质信息取得部、关系性模型信息取得部、推定部以及预测部；
所述水质信息取得部取得包含水质参数的水质信息，所述水质参数是从所述水系的至少由pH、阳离子要求量、残留氯浓度、温度、电导率、悬浮悬浊物质量、浊度以及色度构成的群所选择的两个以上的水质参数；
所述关系性模型信息取得部取得包含事先作成的关系性模型的关系性模型信息，所述关系性模型表示由构成能够在所述水系中形成水垢的离子的浓度的函数所计算出的水垢化指标值与所述水质参数的关系；
所述推定部基于所述水质信息以及所述关系性模型信息来计算水垢化指标推定值；
所述预测部基于所述水垢化指标推定值来预测水垢生成的有无或者其可能性。
8.一种对水系添加水垢防止剂的控制系统，其特征在于，包括：
水质信息取得部、关系性模型信息取得部、推定部、水垢防止剂添加模型信息取得部以及添加量决定部；
所述水质信息取得部取得包含水质参数的水质信息，所述水质参数是从所述水系的至少由pH、阳离子要求量、残留氯浓度、温度、电导率、悬浮悬浊物质量、浊度以及色度构成的群所选择的两个以上的水质参数；
所述关系性模型信息取得部取得包含事先作成的关系性模型的关系性模型信息，所述关系性模型表示由构成能够在所述水系中形成水垢的离子的浓度的函数所计算出的水垢化指标值与所述水质参数的关系；
所述推定部基于所述水质信息以及所述关系性模型信息来计算水垢化指标推定值；
所述水垢防止剂添加模型信息取得部取得包含事先作成的水垢防止剂添加模型的水垢防止剂添加模型信息，所述水垢防止剂添加模型表示所述水垢化指标推定值与水垢防止剂的添加量的关系；
所述添加量决定部基于所述水垢化指标推定值以及所述水垢防止剂添加模型信息来决定水垢防止剂的添加量。
9.一种水系的水垢化指标值的推定程序，使计算机作为水质信息取得部、关系性模型信息取得部以及推定部发挥功能；
所述水质信息取得部取得包含水质参数的水质信息，所述水质参数是从所述水系的至少由pH、阳离子要求量、残留氯浓度、温度、电导率、悬浮悬浊物质量、浊度以及色度构成的群所选择的两个以上的水质参数；
所述关系性模型信息取得部取得包含事先作成的关系性模型的关系性模型信息，所述关系性模型表示由构成能够在所述水系中形成水垢的离子的浓度的函数所计算出的水垢化指标值与所述水质参数的关系；
所述推定部基于所述水质信息以及所述关系性模型信息来计算水垢化指标推定值。
10.一种水系的水垢生成的预测程序，使计算机作为水质信息取得部、关系性模型信息取得部、推定部以及预测部发挥功能；
所述水质信息取得部取得包含水质参数的水质信息，所述水质参数是从所述水系的至少由pH、阳离子要求量、残留氯浓度、温度、电导率、悬浮悬浊物质量、浊度以及色度构成的群所选择的两个以上的水质参数；
所述关系性模型信息取得部取得包含事先作成的关系性模型的关系性模型信息，所述关系性模型表示由构成能够在所述水系中形成水垢的离子的浓度的函数所计算出的水垢化指标值与所述水质参数的关系；
所述推定部基于所述水质信息以及所述关系性模型信息来计算水垢化指标推定值；
所述预测部基于所述水垢化指标推定值来预测水垢生成的有无或者其可能性。
11.一种对水系添加水垢防止剂的控制程序，使计算机作为水质信息取得部、关系性模型信息取得部、推定部、水垢防止剂添加模型信息取得部以及添加量决定部发挥功能；
所述水质信息取得部取得包含水质参数的水质信息，所述水质参数是从所述水系的至少由pH、阳离子要求量、残留氯浓度、温度、电导率、悬浮悬浊物质量、浊度以及色度构成的群所选择的两个以上的水质参数；
所述关系性模型信息取得部取得包含事先作成的关系性模型的关系性模型信息，所述关系性模型表示由构成能够在所述水系中形成水垢的离子的浓度的函数所计算出的水垢化指标值与所述水质参数的关系；
所述推定部基于所述水质信息以及所述关系性模型信息来计算水垢化指标推定值；
所述水垢防止剂添加模型信息取得部取得包含事先作成的水垢防止剂添加模型的水垢防止剂添加模型信息，所述水垢防止剂添加模型表示所述水垢化指标推定值与水垢防止剂的添加量的关系；
所述添加量决定部基于所述水垢化指标推定值以及所述水垢防止剂添加模型信息来决定水垢防止剂的添加量。
12.一种水系的水垢化指标值的推定方法，其特征在于，包括：
水质信息取得工序、关系性模型信息取得工序以及推定工序；
在所述水质信息取得工序中，取得包含水质参数的水质信息，所述水质参数是从所述水系的至少由pH、阳离子要求量、残留氯浓度、温度、电导率、悬浮悬浊物质量、浊度以及色度构成的群所选择的两个以上的水质参数；
在所述关系性模型信息取得工序中，取得包含事先作成的关系性模型的关系性模型信息，所述关系性模型表示由构成能够在所述水系中形成水垢的离子的浓度的函数所计算出的水垢化指标值与所述水质参数的关系；
在所述推定工序中，基于所述水质信息以及所述关系性模型信息来计算水垢化指标推定值。
13.一种水系的水垢生成的预测方法，其特征在于，包括：
水质信息取得工序、关系性模型信息取得工序、推定工序以及预测工序；
在所述水质信息取得工序中，取得包含水质参数的水质信息，所述水质参数是从所述水系的至少由pH、阳离子要求量、残留氯浓度、温度、电导率、悬浮悬浊物质量、浊度以及色度构成的群所选择的两个以上的水质参数；
在所述关系性模型信息取得工序中，取得包含事先作成的关系性模型的关系性模型信息，所述关系性模型表示由构成能够在所述水系中形成水垢的离子的浓度的函数所计算出的水垢化指标值与所述水质参数的关系；
在所述推定工序中，基于所述水质信息以及所述关系性模型信息来计算水垢化指标推定值；
在所述预测工序中，基于所述水垢化指标推定值来预测水垢生成的有无或者其可能性。
14.一种对水系添加水垢防止剂的控制方法，其特征在于，包括：
水质信息取得工序、关系性模型信息取得工序、推定工序、水垢防止剂添加模型信息取得工序以及添加量决定工序；
在所述水质信息取得工序中，取得包含水质参数的水质信息，所述水质参数是从所述水系的至少由pH、阳离子要求量、残留氯浓度、温度、电导率、悬浮悬浊物质量、浊度以及色度构成的群所选择的两个以上的水质参数；
在所述关系性模型信息取得工序中，取得包含事先作成的关系性模型的关系性模型信息，所述关系性模型表示由构成能够在所述水系中形成水垢的离子的浓度的函数所计算出的水垢化指标值与所述水质参数的关系；
在所述推定工序中，基于所述水质信息以及所述关系性模型信息来计算水垢化指标推定值；
在所述水垢防止剂添加模型信息取得工序中，取得包含事先作成的水垢防止剂添加模型的水垢防止剂添加模型信息，所述水垢防止剂添加模型表示所述水垢化指标推定值与水垢防止剂的添加量的关系；
在所述添加量决定工序中，基于所述水垢化指标推定值以及所述水垢防止剂添加模型信息来决定水垢防止剂的添加量。
CN202280012265.6A 2021-01-29 2022-01-21 推定装置、预测装置、控制装置、推定系统、预测系统、控制系统、推定程序、预测程序、控制程序、推定方法、预测方法及控制方法 Pending CN116783148A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2021-013920 2021-01-29
JP2021013920A JP7145375B2 (ja) 2021-01-29 2021-01-29 推定装置、予測装置、制御装置、推定システム、予測システム、制御システム、推定プログラム、予測プログラム、制御プログラム、推定方法、予測方法及び制御方法
PCT/JP2022/002303 WO2022163549A1 (ja) 2021-01-29 2022-01-21 推定装置、予測装置、制御装置、推定システム、予測システム、制御システム、推定プログラム、予測プログラム、制御プログラム、推定方法、予測方法及び制御方法

Publications (1)

Publication Number Publication Date
CN116783148A true CN116783148A (zh) 2023-09-19

Family

ID=82653425

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202280012265.6A Pending CN116783148A (zh) 2021-01-29 2022-01-21 推定装置、预测装置、控制装置、推定系统、预测系统、控制系统、推定程序、预测程序、控制程序、推定方法、预测方法及控制方法

Country Status (6)

Country Link
EP (1) EP4273103A4 (zh)
JP (1) JP7145375B2 (zh)
KR (1) KR20230133343A (zh)
CN (1) CN116783148A (zh)
TW (1) TW202235378A (zh)
WO (1) WO2022163549A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117666365B (zh) * 2024-02-01 2024-04-16 云扬八方工程有限公司 一种干熄焦炉智能除尘系统

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9840429B2 (en) * 2011-04-19 2017-12-12 Fuji Electric Co., Ltd Scale inhibition method and geothermal power generating device
DE102013006504A1 (de) * 2013-04-16 2014-10-16 Messer Group Gmbh Verfahren zum Vermeiden von Ablagerungen in Kühlwasserkreisläufen
US10597308B2 (en) * 2013-11-25 2020-03-24 Kurita Water Industries Ltd. Water treatment plant controlling method and controlling program, and water treatment system
JP2015205237A (ja) * 2014-04-18 2015-11-19 栗田工業株式会社 水質管理装置、水質管理システム、及び水質管理方法
JP6422901B2 (ja) * 2016-02-12 2018-11-14 株式会社東芝 管理支援システム、管理支援方法及び管理支援プログラム
FR3074490B1 (fr) * 2017-12-06 2021-07-02 Chemdoc Dispositif de demineralisation d'eaux saumatres ou d'eaux de mer
US11649183B2 (en) * 2018-07-26 2023-05-16 Mitsubishi Electric Corporation Water treatment plant
CN111242381A (zh) * 2020-01-17 2020-06-05 石化盈科信息技术有限责任公司 一种工业循环水系统关键指标的预测方法

Also Published As

Publication number Publication date
WO2022163549A1 (ja) 2022-08-04
EP4273103A1 (en) 2023-11-08
KR20230133343A (ko) 2023-09-19
EP4273103A4 (en) 2024-06-19
JP7145375B2 (ja) 2022-10-03
TW202235378A (zh) 2022-09-16
JP2022117306A (ja) 2022-08-10

Similar Documents

Publication Publication Date Title
JP4762088B2 (ja) プロセス異常診断装置
KR101941854B1 (ko) 미취득 데이터 보정을 통한 부하 예측 시스템 및 방법
Riaz Monitoring process variability using auxiliary information
CN113805548B (zh) 一种机械加工智能控制系统、方法及计算机可读介质
CN106127359A (zh) 一种基于局部加权线性回归模型的变频水泵出口流量预警方法
Saghaei et al. Economic design of exponentially weighted moving average control chart based on measurement error using genetic algorithm
CN116783148A (zh) 推定装置、预测装置、控制装置、推定系统、预测系统、控制系统、推定程序、预测程序、控制程序、推定方法、预测方法及控制方法
CN116879758A (zh) 一种基于熵值算法的动力电池电压故障在线诊断处理方法
Kouadri et al. An adaptive threshold estimation scheme for abrupt changes detection algorithm in a cement rotary kiln
Kusiak et al. Data-mining-based system for prediction of water chemistry faults
Ghute et al. A nonparametric signed-rank control chart for bivariate process location
Phanthuna et al. Detection sensitivity of a modified EWMA control chart with a time series model with fractionality and integration
KR101960755B1 (ko) 미취득 전력 데이터 생성 방법 및 장치
CN111736076B (zh) 电池系统状态判断方法、装置、可读存储介质和电子设备
CN115579092B (zh) 一种贡献值预测方法、系统和其在磷酸生产中的应用
CN117591994A (zh) 电力设备状态数据预测方法、智能化平台、设备及介质
Menezes et al. Application of uncertainty analysis of artificial neural networksfor predicting coagulant and alkalizer dosages in a water treatment process
CN114997271A (zh) 一种水电机组故障的智能诊断方法及系统
Intaramo et al. Development of fuzzy extreme value theory control charts using α-cuts for skewed populations
De Menezes et al. Application of uncertainty analysis of artificial neural networksfor predicting coagulant and alkalizer dosages in a water treatment process
Jiang et al. Fault detection in industrial systems using maximized divergence analysis approach
CN114760341A (zh) 一种工业互联网设备智能管控远程运维平台及方法
CN111027611B (zh) 基于动态贝叶斯网络的模糊pls建模方法
Saghir et al. On the Performance of Phase‐I Bivariate Dispersion Charts to Non‐Normality
CN116829785A (zh) 推测装置、推测系统、推测程序以及推测方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination