JP2014071859A - 結果予測方法及び結果予測装置 - Google Patents

Abstract

【課題】回帰式を構成する説明変数の組合せのオフラインでの調整が不要な結果予測方法及び結果予測装置を提供する。
【解決手段】予測対象の目的変数を出力変数とする回帰式を構成する説明変数の組合せ候補を複数生成する生成ステップと、各組合せ候補を用いて回帰式を構築し、構築された回帰式を用いて予測対象の目的変数を算出する目的変数算出ステップと、前記目的変数算出ステップにおいて算出された予測対象の目的変数に各組合せ候補に付与された重みを乗算した値を組合せ候補毎に算出し、算出された乗算値の和を予測対象の目的変数として算出する予測ステップと、前記目的変数算出ステップにおいて算出された目的変数と該目的変数の実績値との適合度を組合せ候補毎に算出する適合度算出ステップと、各組合せ候補の適合度に基づいて各組合せ候補に付与された重みを更新する重み更新ステップと、を含むことを特徴とする結果予測方法。
【選択図】図２

Description

本発明は、プロセス制御分野における任意の要求条件に対する結果を予測する結果予測方法及び結果予測装置に関する。

従来より、プロセス制御分野において、固定した予測式を用いず、過去の実績値に基づいて局所回帰と呼ばれる手法を用いて任意の要求条件に対する結果を予測する結果予測方法が知られている（例えば特許文献１参照）。具体的には、この結果予測方法は、予測を行う度に、要求点の説明変数に対する類似度に応じた重みを各操業実績データに与え、類似度が高い操業実績データに当てはまるような回帰式を構築し、この回帰式を用いて要求点の目的変数を予測する。この結果予測方法によれば、説明変数と目的変数との非線形性を表現でき、類似度に応じた重みに関するパラメータの最適化（チューニング）が比較的容易であり、制御対象の経年変化にも追従できる。

特開２００４−３５５１８９号公報

従来の結果予測方法では、回帰式を構成する説明変数の組合せはオフラインでクロスバリデーション等を行うことによって最適化し、オンラインでは説明変数の組合せを固定している。しかしながら、例えばコークス炉のように同一のプロセスが複数同時に稼働している系においては、制御対象が数百に及び、各制御対象（コークス炉であれば各窯）に応じて最適な説明変数の組合せは異なると考えられる。また、制御対象の経時変化に応じて最適な説明変数の組合せが変化していくことが考えられる。このため、回帰式を構成する説明変数の組合せを固定している従来の結果予測方法によれば、目的変数を精度高く予測できない可能性がある。なお、このような問題を解決するために、各制御対象の特性に合わせて説明変数の組合せをオフラインで最適化する方法も考えられるが、制御対象や説明変数の数が多い場合、この方法を実行するためには多くの労力及び時間を要する。このような背景から、オフラインでの回帰式を構成する説明変数の組合せの調整が不要な結果予測方法及び結果予測装置の提供が期待されていた。

本発明は、上記課題に鑑みてなされたものであって、その目的は、回帰式を構成する説明変数の組合せのオフラインでの調整が不要な結果予測方法及び結果予測装置を提供することにある。

上記課題を解決し、目的を達成するために、本発明に係る結果予測方法は、予測対象の目的変数を出力変数とする回帰式を構成する説明変数の組合せ候補を複数生成する生成ステップと、各組合せ候補を用いて回帰式を構築し、構築された回帰式を用いて予測対象の目的変数を算出する目的変数算出ステップと、前記目的変数算出ステップにおいて算出された予測対象の目的変数に各組合せ候補に付与された重みを乗算した値を組合せ候補毎に算出し、算出された乗算値の和を予測対象の目的変数として算出する予測ステップと、前記目的変数算出ステップにおいて算出された目的変数と該目的変数の実績値との適合度を組合せ候補毎に算出する適合度算出ステップと、各組合せ候補の適合度に基づいて各組合せ候補に付与された重みを更新する重み更新ステップと、を含むことを特徴とする。

本発明に係る結果予測方法は、上記発明において、前記適合度に比例した確率で前記組合せ候補と同数の組合せ候補を復元抽出し、復元抽出された組合せ候補に対し摂動を加え、摂動が加えられた組合せ候補を次回の処理において用いる組合せ候補として用いるステップを含むことを特徴とする。

本発明に係る結果予測方法は、上記発明において、前記説明変数は、コークス炉における乾留時間を含むことを特徴とする。

本発明に係る結果予測方法は、上記発明において、前記目的変数は、コークス炉からコークスを押し出す際の押出荷重の最大値であることを特徴とする。

上記課題を解決し、目的を達成するために、本発明に係る結果予測装置は、予測対象の目的変数を出力変数とする回帰式を構成する説明変数の組合せ候補を複数生成する生成手段と、各組合せ候補を用いて回帰式を構築し、構築された回帰式を用いて予測対象の目的変数を算出する目的変数算出手段と、前記目的変数算出手段によって算出された予測対象の目的変数に各組合せ候補に付与された重みを乗算した値を組合せ候補毎に算出し、算出された乗算値の和を予測対象の目的変数として算出する予測手段と、前記目的変数算出手段によって算出された目的変数と該目的変数の実績値との適合度を組合せ候補毎に算出する適合度算出手段と、各組合せ候補の適合度に基づいて各組合せ候補に付与された重みを更新する重み更新手段と、を備えることを特徴とする。

本発明に係る結果予測方法及び結果予測装置によれば、回帰式を構成する説明変数の組合せのオフラインでの調整を不要にすることができる。

図１は、コークスの押出抵抗（押出力）を支配する因子の因果関係を示す図である。 図２は、本発明の一実施形態である押出ピーク値予測システムの構成を示すブロック図である。 図３は、本発明の一実施形態である押出ピーク値予測処理の流れを示すフローチャートである。 図４は、本発明の一実施形態である組合せ最適化処理の流れを示すフローチャートである。 図５は、説明変数行列ＥｘｐＶａｒＭａｔの一例を示す図である。 図６は、図４に示すステップＳ１６の復元抽出処理を説明するための概念図である。 図７は、説明変数行列ＥｘｐＶａｒＭａｔの更新処理を説明するための図である。 図８は、組合せ最適化処理を実行していない場合における、押出ピーク値の実績値と予測値との関係を示す散布図である。 図９は、組合せ最適化処理を実行した場合における、押出ピーク値の実績値と予測値との関係を示す散布図である。 図１０は、異なる時刻における各窯における説明変数行列ＥｘｐＶａｒＭａｔの平均値を示す図である。

コークス炉では、隣り合う複数の炭化室に順次石炭を装入し、各炭化室において１１００℃前後の高温で乾留を行い、乾留によって生成されたコークスを押出機によって各炭化室から押し出すことにより、コークスが製造される。このようなコークス炉では、稼動年数が長くなるにつれて、炉壁の損耗等の老朽化が進み、乾留後のコークスが炉壁の凹凸部にトラップされることによって、炭化室からコークスが円滑に押し出されなくなるという押し詰まりの問題が起きている。

コークス炉における装炭、乾留、及び押出等の作業のスケジュールは厳密に管理されている。このため、一部の炭化室で押し詰まりが発生し、補修のために燃焼室の温度を下げると、隣接する炭化室の温度が低下し、さらにその温度低下が周囲の炭化室に伝搬していくという悪循環が生じ、コークス炉全体の稼働率及び生産性に多大な悪影響を及ぼす。従って、押し詰まりが発生することを抑制するために、炭化室に装入する石炭の性状、炉壁の状況、操業条件等を考慮して炭化室からコークスを押し出す際に必要な押出力を予測及び制御することが必要になる。

このような背景から、特開２００２−１７３６８７号公報には、炉壁に付着したカーボンがコークスと炉壁との間の摩擦力に影響することに着目して、炉壁に付着するカーボンの量を推定し、推定結果に基づいて炭化室からコークスを押し出す際の押出力を推定する方法が開示されている。また、特開２００４−３５９９０１号公報には、石炭の配合を調整することによって炉壁とコークスとの間の間隙（クリアランス）を広げることにより、押し詰まりが発生することを抑制する方法が開示されている。

これに対して、本実施形態では、押出力の指標として、押出機の押出ラムの駆動モータに流れる電流値のピーク値を用いる。押出過程の初期においては、押出ラムの位置変化はコークス内部の空隙によって吸収されるために、押出荷重は小さくなる。そして、コークス内部の空隙が小さくなると、押出荷重は静止摩擦力の最大値に向かって上昇していく。この押出荷重の最大値を押出ピーク値という。このように押出ピーク値は押詰りに密接に関係していると考えられるので、本実施形態では押出ピーク値を予測対象（目的変数）とする。

一方、図１に示すように、コークスの押出抵抗は、コークスの側面と炉壁との間のクリアランス、コークスを押し出した際にコークスが崩壊せずに形状を維持しようとする安定性（ケーキ安定性）、及び炉壁の平滑度（炉壁凹凸）によって支配されていると考えられている。クリアランス及びケーキ安定性は、配合した炭の性状（膨張性、亀裂）及び乾留条件（嵩密度、水分、粒度、乾留時間、炉温、炉温分布）によって左右される。炉壁凹凸は、炉の老朽化に伴い炭化室によって差異が大きいと考えられるが、炉壁に付着したカーボンを剥離させてからの日数（カーボン落とし後日数，カーボン補修条件）にも依存すると考えられる。そこで、本実施形態では、目的変数としての押出ピーク値を推定するための説明変数として、カーボン落とし後日数、乾留時間、水分、前回押出ピーク実績値、燃焼室温度（Ｆｌｕｅ温度）、装炭量、及び前回押出時からの装炭量の変化量の７つの説明変数を用いた。

以下、本発明の一実施形態である押出ピーク値予測システムの構成及びその押出ピーク値予測方法について説明する。

〔押出ピーク値予測システムの構成〕
始めに、図２を参照して、本発明の一実施形態である押出ピーク値予測システムの構成について説明する。

図２は、本発明の一実施形態である押出ピーク値予測システムの構成を示すブロック図である。図２に示すように、本発明の一実施形態である押出ピーク値予測システム１は、実績データベース１０、押出ピーク値予測装置２０、入力装置３０、及び出力装置４０を備えている。

実績データベース１０は、過去に行われたコークス炉の操業実績データ１１を格納している。具体的には、本実施形態では、操業実績データ１１は、過去に行われたコークス炉の操業における押出ピーク値のデータと、その時の説明変数（カーボン落とし後日数、乾留時間、水分、及び前回押出ピーク実績値）のデータと、を含んでいる。

押出ピーク値予測装置２０は、パーソナルコンピュータやワークステーション等の汎用の情報処理装置によって構成され、情報処理装置内部の演算処理装置がコンピュータプログラムを実行することにより、重回帰分析部２１及び組合せ最適化処理部２２として機能する。これら各部の機能については後述する。

入力装置３０は、キーボード、マウスポインタ、テンキー等の入力装置によって構成され、押出ピーク値予測装置２０に対して各種情報を入力する際に操作される。出力装置４０は、表示装置や印刷装置等の出力装置によって構成され、押出ピーク値予測装置２０の各種処理情報を出力する。

〔押出ピーク値予測処理〕
次に、図３を参照して、本発明の一実施形態である押出ピーク値予測処理の流れについて説明する。

図３は、本発明の一実施形態である押出ピーク値予測処理の流れを示すフローチャートである。図３に示すフローチャートは、オペレータが、入力装置３０を操作することによって、予測対象の説明変数を入力し、押出ピーク値予測処理の実行を指示したタイミングで開始となり、押出ピーク値予測処理はステップＳ１の処理に進む。

ステップＳ１の処理では、重回帰分析部２１が、操業実績データ１１に含まれる説明変数及び予測対象の説明変数の標準化を行う。説明変数の値は元の物理乗数のままだと単位によって異なる。このため、説明変数の標準化を行うことにより、同じ指標で説明変数同士の類似度を定義することを可能にする。これにより、ステップＳ１の処理は完了し、押出ピーク値予測処理はステップＳ２の処理に進む。

ステップＳ２の処理では、重回帰分析部２１が、予測対象の説明変数との類似度に応じた重みを操業実績データ毎に算出する。具体的には、標準化後の説明変数の値を並べたベクトルをｘ［ｉ］（ｉ＝１〜Ｎ，Ｎは操業実績データの数）、予測対象の説明変数のベクトルをｘと表すと、重回帰分析部２１は、以下に示す数式（１）を用いて、予測対象の説明変数ｘとの類似度に応じた重みＡ［ｉ］を操業実績データｘ［ｉ］毎に算出する。なお、数式（１）中のパラメータａは、重みパラメータであり、場合によって調整が必要なパラメータである。本実施形態では、パラメータａは固定値１０＾（−４）とした。これにより、ステップＳ２の処理は完了し、押出ピーク値予測処理はステップＳ３の処理に進む。

ステップＳ３の処理では、重回帰分析部２１が、予測対象の日時と操業実績データの取得日時との時間差に応じた重みを操業実績データ毎に算出する。具体的には、操業実績データの取得日時をｄａｔｅ［ｉ］（ｉ＝１〜Ｎ，Ｎは操業実績データの数）、予測対象の日時をｄａｔｅと表すと、重回帰分析部２１は、以下に示す数式（２）を用いて、予測対象の日時ｄａｔｅと操業実績データの取得日時ｄａｔｅ［ｉ］との時間差に応じた重みＢ［ｉ］を操業実績データｘ［ｉ］毎に算出する。なお、数式（２）中のパラメータＦは、忘却係数と呼ばれる調整が必要なパラメータであるが、本実施形態では固定値１２０［日］とした。これにより、ステップＳ３の処理は完了し、押出ピーク値予測処理はステップＳ４の処理に進む。

ステップＳ４の処理では、重回帰分析部２１が、乾留時間と押出ピーク値との間の非線形な関係を表現するための重みを操業実績データ毎に算出する。具体的には、操業実績データｘ［ｉ］（ｉ＝１〜Ｎ，Ｎは操業実績データの数）の乾留時間をＧＣＴ［ｉ］、予測対象の乾留時間をＧＣＴと表すと、重回帰分析部２１は、以下に示す数式（３）を用いて、予測対象の乾留時間ＧＣＴと操業実績データの乾留時間ＧＣＴ［ｉ］との時間差に応じた重みＣ［ｉ］を操業実績データｘ［ｉ］毎に算出する。なお、数式（３）中のパラメータＧは、調整が必要なパラメータであるが、本実施形態では固定値１．５［ｈｒ］とした。これにより、ステップＳ４の処理は完了し、押出ピーク値予測処理はステップＳ５の処理に進む。

ステップＳ５の処理では、重回帰分析部２１が、ステップＳ２〜Ｓ４の処理によって算出された重みＡ［ｉ］，Ｂ［ｉ］，Ｃ［ｉ］を以下に示す数式（４）に代入することによって、各操業実績データＸ［ｉ］の重みＷ［ｉ］を算出する。そして、重回帰分析部２１は、各操業実績データＸ［ｉ］について、押出ピーク値及び説明変数に重みＷ［ｉ］を乗算した後に重回帰分析を行うことにより、押出ピーク値と説明変数との関係を表す回帰式を構築する。この処理によって、説明変数（操業条件）の類似度が高い操業実績データ及び直近の操業実績データを重視した回帰式を構築することができる。なお、回帰式の算出方法は、本発明の出願時点でよく知られた技術であるので、詳細な説明は省略する。詳しくは、例えば特開２００４−３５５１８９号公報を参照のこと。これにより、ステップＳ５の処理は完了し、押出ピーク値予測処理はステップＳ６の処理に進む。

ステップＳ６の処理では、重回帰分析部２１が、ステップＳ５の処理によって構築された回帰式に入力装置３０から入力された予測対象の説明変数を代入することによって、予測対象の押出ピーク値を算出する。そして、重回帰分析部２１は、算出された押出ピーク値を出力装置４０に出力する。これにより、ステップＳ６の処理は完了し、一連の押出ピーク値予測処理は終了する。

〔組合せ最適化処理〕
次に、図４を参照して、上記説明変数の組合せの最適化処理について説明する。

回帰式を構成する説明変数の組合せは予測対象に合わせて最適化する必要がある。そこで、本実施形態では、組合せ最適化処理部２２が、回帰式を構成する説明変数の組合せを最適化し、最適化された説明変数の組合せを用いて押出ピーク値を予測する。これにより、オフラインでの説明変数の組合せの調整が不要になり、押出ピーク値を常に精度高く予測することができる。

図４は、本発明の一実施形態である組合せ最適化処理の流れを示すフローチャートである。図４に示すフローチャートは、押出ピーク値予測処理を実行する度毎に開始となり、組合せ最適化処理はステップＳ１１の処理に進む。

ステップＳ１１の処理では、組合せ最適化処理部２２が、説明変数の組合せ（以下、粒子ｒ（＝１〜ＲＹＵ）と表記。ＲＹＵは粒子の総数を示す）を複数生成し、各粒子ｒの重みＯＭＯ（ｒ）＿（ｋ）を定義する。具体的には、初回の処理においては、組合せ最適化処理部２２は、７つの説明変数をそれぞれ選択しているか否かを示すバイナリ変数を粒子ｒとして複数生成する。例えば、７つの説明変数のうち、１番目と５番目の説明変数を選択する場合、組合せ最適化処理部２２は、バイナリ変数［１，０，０，０，１，０，０］を粒子ｒとして生成する。そして、組合せ最適化処理部２２は、図５に示すような、複数の粒子ｒを上下方向に並べた行列を説明変数行列ＥｘｐＶａｒＭａｔとして生成する。

なお、説明変数行列ＥｘｐＶａｒＭａｔの各行ＥｘｐＶａｒＭａｔ（ｒ，：）の１列目は、乾留時間に対応し、押出ピーク値を予測する上で最も重要な説明変数であるために、値は１（選択）に固定されている。また、２回目以後の処理においては、組合せ最適化処理部２２は、前回の処理において生成された複数の粒子ｒを用いる。また、組合せ最適化処理部２２は、各粒子の重みＯＭＯ（ｒ）＿（ｋ）を共通の値１／ＲＹＵと定義する。また、２回目以後の処理においては、組合せ最適化処理部２２は、前回の処理におけるステップＳ１４の処理によって更新された重みＯＭＯ（ｒ）＿（ｋ＋１）を用いる。これにより、ステップＳ１１の処理は完了し、組合せ最適化処理はステップＳ１２の処理に進む。

ステップＳ１２の処理では、組合せ最適化処理部２２が、ステップＳ１１の処理によって生成された粒子ｒを用いて回帰式を構築し、構築された回帰式を用いて押出ピーク値の予測値（ｒ）を粒子ｒ毎に予測する。これにより、ステップＳ１２の処理は完了し、組合せ最適化処理はステップＳ１３の処理に進む。

ステップＳ１３の処理では、組合せ最適化処理部２２が、ステップＳ１１の処理において定義された重みＯＭＯ（ｒ）＿（ｋ）に対応する粒子ｒの押出ピーク値の予測値（ｒ）を乗算し、各粒子ｒの乗算値の和を押出ピーク値の予測値として算出する。すなわち、組合せ最適化処理部２２は、各粒子ｒの予測値（ｒ）の加重平均値を押出ピーク値の予測値として算出する。このような処理によれば、押出ピーク値の予測値は直近の予測精度が高い粒子ｒの予測値を相対的に大きく反映したものになるので、押出ピーク値の予測精度が向上する。そして、組合せ最適化処理部２２は、算出された押出ピーク値の予測値を出力装置４０に出力する。これにより、ステップＳ１３の処理は完了し、組合せ最適化処理はステップＳ１４の処理に進む。

ステップＳ１４の処理では、組合せ最適化処理部２２が、以下に示す数式（５）用いて、ステップＳ１２の処理によって算出された押出ピーク値の予測値（ｒ）と実績値との適合度（合致度、尤度）ｙｕ（ｒ）を粒子ｒ毎に算出する。なお、数式（５）中のパラメータσは、全ての粒子ｒについての平均予測誤差を示し、以下に示す数式（６）により定義される。これにより、ステップＳ１４の処理は完了し、組合せ最適化処理はステップＳ１５の処理に進む。

ステップＳ１５の処理では、組合せ最適化処理部２２が、以下に示す数式（７）を用いて、ステップＳ１１の処理において定義された重みＯＭＯ（ｒ）＿（ｋ）にステップＳ１４の処理によって算出された適合度ｙｕ（ｒ）を乗算し、全ての粒子ｒの乗算値の和Ｓｅｋｉｗａを算出する。そして、組合せ最適化処理部２２は、重みＯＭＯ（ｒ）＿（ｋ）、合致度ｙｕ（ｒ）、及び和Ｓｅｋｉｗａの値を以下に示す数式（８）に代入することによって、次回の処理における重みＯＭＯ（ｒ）＿（ｋ＋１）を粒子ｒ毎に算出する。これにより、ステップＳ１５の処理は完了し、組合せ最適化処理はステップＳ１６の処理に進む。

ステップＳ１６の処理では、組合せ最適化処理部２２が、区間［０，１］を重みＯＭＯ（ｒ）＿（ｋ＋１）に比例する割合で分割し、区間［０，１］内において一様な確率分布を有する乱数を発生する。具体的には、３つの粒子ｒ＝１，２，３が存在し、各粒子の重みＯＭＯ（ｒ）＿（ｋ＋１）がそれぞれ０．５，０．３，０．２である場合、組合せ最適化処理部２２は、図６に示すように区間［０，０．５］を粒子ｒ＝１に割り当て、区間［０．５，０．８］を粒子ｒ＝２に割り当て、区間［０．８，１．０］を粒子ｒ＝３に割り当て、区間［０，１］内において一様な確率分布を有する乱数を発生する。

そして、組合せ最適化処理部２２は、発生させた乱数が含まれる区間に割り当てられている粒子ｒのコピーを生成し、粒子ｒの総数ＲＹＵだけこの操作を繰り返す。この処理によって生成されたＲＹＵ個の粒子ｒは、次回の組合せ最適化処理におけるステップＳ１１の処理において利用される。すなわち、図７及び以下の数式（９）に示すように、次回の組合せ最適化処理におけるステップＳ１１の処理では、説明変数行列ＥｘｐＶａｒＭａｔの代わりに、新たな生成された粒子ｒを用いて構成された説明変数行列ＥｘｐＶａｒＭａｔ＿ｎｅｗが用いられる。

また、粒子ｒのコピーを生成する際、組合せ最適化処理部２２は、同一の粒子ｒが複数存在することを抑制するために、粒子ｒを構成する説明変数に若干の摂動（近傍操作）を加える。具体的には、組合せ最適化処理部２２は、０．５の確率で元の説明変数の組合せを保存し、残りの０．５の確率で、１列目（乾留時間）以外の全ての説明変数について、０．９の確率で変数（１又は０）を保存し、０．１の確率で変数を変更する。なお、本実施形態では、ステップＳ１６の処理を毎回実行することとしたが、例えば組合せ最適化処理を５回行う等の所定周期毎にステップＳ１６の処理を実行してもよい。また、ステップＳ１６の処理を実行した場合には、各粒子の重みは均等値である初期値に戻すこととする。これにより、ステップＳ１６の処理は完了し、一連の組合せ最適化処理は終了する。

以上の説明から明らかなように、本発明の一実施形態である押出ピーク値予測システムでは、組合せ最適化処理部２２が、予測対象の目的変数を出力変数とする回帰式を構成する説明変数の組合せ候補を粒子ｒとして複数生成し、各粒子ｒを用いて回帰式を構築し、構築された回帰式を用いて予測対象の目的変数を算出し、予測対象の目的変数に粒子ｒに付与された重みを乗算した値を粒子ｒ毎に算出し、算出された乗算値の和を予測対象の目的変数として算出し、算出された目的変数と目的変数の実績値との適合度を粒子ｒ毎に算出し、各粒子ｒの適合度に基づいて各粒子ｒの重みを更新する。これにより、オフラインでの回帰式を構成する説明変数の組合せの調整を不要にすることができる。

〔実施例〕
図８，図９はそれぞれ、組合せ最適化処理を実行しない場合と実行した場合とにおける、コークス炉の複数の窯（６０窯程度）に関する押出ピーク値の実績値と回帰式から算出された押出ピーク値の予測値との関係を示す散布図である。図８と図９との比較から明らかなように、組合せ最適化処理を実行することによって、予測誤差σが小さくなり、予測対象の押出ピーク値を精度高く予測できることが確認された。

図１０（ａ），（ｂ）はそれぞれ、異なる時刻における各窯における説明変数行列ＥｘｐＶａｒＭａｔの平均値を示す図である。図１０の横軸は窯番号、縦軸は説明変数の種別（１〜７）を示し、説明変数行列ＥｘｐＶａｒＭａｔの平均値は以下に示す数式（１０）を用いて算出した。図１０では、説明変数の選択されている度合いが小さくなるほど、対応する枠の色合いが白色から黒色になるように図示している。なお、説明変数１（乾留時間）については、窯によらずどの粒子についても必ず選択するようにしているので、どの窯でも白色となっている。

図１０（ａ），（ｂ）から明らかなように、窯によって枠内の色合いが異なり、窯によって選択されている説明変数が異なることがわかる。また、図１０（ａ）と図１０（ｂ）との比較から明らかなように、同じ窯であっても、時間変化によって枠内の色合いが変化し、選択されている説明変数が変化していることがわかる。以上のことから、上述の組合せ最適化処理によれば、各窯の状態に合わせて最適な説明変数の組合せを決定できることが明らかになった。

以上、本発明者らによってなされた発明を適用した実施の形態について説明したが、本実施形態による本発明の開示の一部をなす記述及び図面により本発明は限定されることはない。すなわち、本実施形態に基づいて当業者等によりなされる他の実施の形態、実施例、及び運用技術等は全て本発明の範疇に含まれる。

１ 押出ピーク値予測システム
１０ 実績データベース
１１ 操業実績データ
２０ 押出ピーク値予測装置
２１ 重回帰分析部
２２ 組合せ最適化処理部
３０ 入力装置
４０ 出力装置

Claims (5)

1. 予測対象の目的変数を出力変数とする回帰式を構成する説明変数の組合せ候補を複数生成する生成ステップと、
   各組合せ候補を用いて回帰式を構築し、構築された回帰式を用いて予測対象の目的変数を算出する目的変数算出ステップと、
   前記目的変数算出ステップにおいて算出された予測対象の目的変数に各組合せ候補に付与された重みを乗算した値を組合せ候補毎に算出し、算出された乗算値の和を予測対象の目的変数として算出する予測ステップと、
   前記目的変数算出ステップにおいて算出された目的変数と該目的変数の実績値との適合度を組合せ候補毎に算出する適合度算出ステップと、
   各組合せ候補の適合度に基づいて各組合せ候補に付与された重みを更新する重み更新ステップと、
   を含むことを特徴とする結果予測方法。
2. 前記適合度に比例した確率で前記組合せ候補と同数の組合せ候補を復元抽出し、復元抽出された組合せ候補に対し摂動を加え、摂動が加えられた組合せ候補を次回の処理において用いる組合せ候補として用いるステップを含むことを特徴とする請求項１に記載の結果予測方法。
3. 前記説明変数は、コークス炉における乾留時間を含むことを特徴とする請求項１又は２に記載の結果予測方法。
4. 前記目的変数は、コークス炉からコークスを押し出す際の押出荷重の最大値であることを特徴とする請求項３に記載の結果予測方法。
5. 予測対象の目的変数を出力変数とする回帰式を構成する説明変数の組合せ候補を複数生成する生成手段と、
   各組合せ候補を用いて回帰式を構築し、構築された回帰式を用いて予測対象の目的変数を算出する目的変数算出手段と、
   前記目的変数算出手段によって算出された予測対象の目的変数に各組合せ候補に付与された重みを乗算した値を組合せ候補毎に算出し、算出された乗算値の和を予測対象の目的変数として算出する予測手段と、
   前記目的変数算出手段によって算出された目的変数と該目的変数の実績値との適合度を組合せ候補毎に算出する適合度算出手段と、
   各組合せ候補の適合度に基づいて各組合せ候補に付与された重みを更新する重み更新手段と、
   を備えることを特徴とする結果予測装置。