JP2017204020A - Drive support device and method - Google Patents
Drive support device and method Download PDFInfo
- Publication number
- JP2017204020A JP2017204020A JP2016093718A JP2016093718A JP2017204020A JP 2017204020 A JP2017204020 A JP 2017204020A JP 2016093718 A JP2016093718 A JP 2016093718A JP 2016093718 A JP2016093718 A JP 2016093718A JP 2017204020 A JP2017204020 A JP 2017204020A
- Authority
- JP
- Japan
- Prior art keywords
- load
- driving
- group
- groups
- pattern
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims description 20
- 238000011156 evaluation Methods 0.000 claims description 22
- 238000004891 communication Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 8
- 238000012806 monitoring device Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000013480 data collection Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000004378 air conditioning Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
Landscapes
- Testing And Monitoring For Control Systems (AREA)
Abstract
Description
本発明は、負荷に応じて複数の設備機器を離散的に発停して単独運転または並列運転する運転制御を支援するための運転支援技術に関する。 The present invention relates to a driving support technique for supporting operation control in which a plurality of equipment is discretely started and stopped according to a load and operated independently or in parallel.
ビルや工場などの大規模な施設では、空調システムで用いる冷温水すなわち熱量を、熱源となる複数の設備機器を運転することにより一括生成して供給する熱源システムを用いている。
このような複数の設備機器を運転制御する設備制御システムでは、省エネ意識の高まりに応じて、これら設備機器を効率よく運転するため、施設の負荷に応じてこれら設備機器を離散的に発停して単独運転または並列運転するものとなっている。
In large-scale facilities such as buildings and factories, a heat source system that generates and supplies cold / hot water used in an air-conditioning system, that is, an amount of heat, by operating a plurality of facility devices serving as heat sources is used.
In such an equipment control system that controls the operation of a plurality of equipment, in order to operate these equipment efficiently as the awareness of energy conservation increases, these equipment are discretely started and stopped according to the load on the facility. Independent operation or parallel operation.
これら設備機器の運転パターンは、オペレータの経験や勘に基づいて意思決定される場合が多い。このため、どのような運転パターンが実際に効率的か客観的に判断することが難しく、設備機器の運用を改善できる運転パターンを容易に特定できなかった。
従来、このような設備機器の運用を改善する技術として、数理モデルを利用して最適化する技術、具体的には、設備機器に関する特性、制約条件、エネルギーフローなどの各種設定情報を設定した上で、需要をもとに最適な運転パターンを求める技術が提案されている（例えば、特許文献１など参照）。
The operation patterns of these equipment are often determined based on the experience and intuition of the operator. For this reason, it is difficult to objectively determine what operation pattern is actually efficient, and it has not been possible to easily identify an operation pattern that can improve the operation of the equipment.
Conventionally, as a technology for improving the operation of such equipment, a technology that optimizes using a mathematical model, specifically, various setting information such as characteristics, constraints, and energy flow related to equipment is set. Thus, a technique for obtaining an optimal operation pattern based on demand has been proposed (see, for example, Patent Document 1).
しかしながら、このような従来技術では、高い省エネ効果が得られるものの、施設や各設備機器に関する詳細な設定情報や、オペレータの運転に関する知見やノウハウを事前入手する必要があるとともに、系全体のモデル構築が煩雑で専門性が高く、実際の作業には多くのコストや時間が必要となるという問題点があった。また、従来技術によれば、コストが最小となる運転パターンが特定されるものの、オペレータにはその根拠を容易に理解できず、得られた運転パターンに基づいて設備機器を運用すべきかどうか、オペレータが容易に特定できないという問題点もあった。 However, with such a conventional technology, a high energy-saving effect can be obtained, but detailed setting information on facilities and equipment, as well as knowledge and know-how related to operator operations must be obtained in advance, and a model for the entire system can be constructed. However, there is a problem that it is complicated and highly specialized, and a lot of cost and time are required for actual work. Further, according to the prior art, although the operation pattern that minimizes the cost is specified, the operator cannot easily understand the basis, and whether the equipment should be operated based on the obtained operation pattern. There is also a problem that cannot be easily identified.
本発明はこのような課題を解決するためのものであり、多くの作業やコストを必要とすることなく、どのような需要の場合にどのような運転パターンが望ましいか容易に特定できる運転支援技術を提供することを目的としている。 The present invention is intended to solve such a problem, and a driving support technology that can easily identify what driving pattern is desirable for what kind of demand without requiring a lot of work and cost. The purpose is to provide.
このような目的を達成するために、本発明にかかる運転支援装置は、負荷に応じて複数の設備機器を離散的に発停して単独運転または並列運転する際、過去に得られた運転パターンをグループに分類する運転支援装置であって、前記運転パターンで運転した際における負荷の時系列変化を示す負荷データに基づいて、前記運転パターンをクラスタリングすることにより、複数の負荷グループに分類する負荷グループ分類部を備えている。 In order to achieve such an object, the driving support device according to the present invention has a driving pattern obtained in the past when discretely starting and stopping a plurality of equipment according to a load and performing independent operation or parallel operation. Is a driving support device that classifies the driving patterns into a plurality of load groups by clustering the driving patterns based on load data indicating time-series changes in loads when driving with the driving patterns. A group classification unit is provided.
また、本発明にかかる上記運転支援装置の一構成例は、前記負荷グループごとに、前記負荷グループに属する運転パターンをクラスタリングすることにより、複数の運転グループに分類する運転グループ分類部をさらに備えるものである。 In addition, one configuration example of the driving support apparatus according to the present invention further includes a driving group classification unit that classifies driving patterns belonging to the load group into a plurality of driving groups for each load group. It is.
また、本発明にかかる上記運転支援装置の一構成例は、前記負荷グループのうちから、運転条件として指定された需要の時系列変化を示す需要データと最も類似度が高い代表負荷データを持つ負荷グループを特定負荷グループとして選択する負荷グループ選択部と、前記特定負荷グループに属する運転グループのうちから、前記運転条件で指定された評価関数で計算して得られた評価値が最も高い代表運転パターンを持つ運転グループを特定運転グループとして選択する運転グループ選択部と、前記特定運転グループの代表運転パターンを、前記運転条件で前設備機器を運転するための候補運転パターンとして特定する候補運転パターン特定部とをさらに備えるものである。 One example of the configuration of the driving support apparatus according to the present invention is a load having representative load data having the highest similarity to demand data indicating time-series changes in demand specified as driving conditions from the load group. A representative operation pattern having the highest evaluation value obtained by calculating with an evaluation function specified by the operation condition from among a load group selection unit for selecting a group as a specific load group and an operation group belonging to the specific load group Operation group selection unit that selects an operation group having a specific operation group, and a candidate operation pattern specification unit that specifies a representative operation pattern of the specific operation group as a candidate operation pattern for operating a previous equipment device under the operation conditions Are further provided.
また、本発明にかかる運転支援方法は、負荷に応じて複数の設備機器を離散的に発停して単独運転または並列運転する際、過去に得られた運転パターンを有意なグループに分類する運転支援方法であって、前記運転パターンで運転した際における負荷の時系列変化を示す負荷データに基づいて、前記運転パターンをクラスタリングすることにより、複数の負荷グループに分類する負荷グループ分類ステップを備えている。 In addition, the driving support method according to the present invention is a driving method for classifying driving patterns obtained in the past into significant groups when discretely starting and stopping a plurality of equipment according to a load and performing independent operation or parallel operation. A support method, comprising: a load group classification step of classifying the operation patterns into a plurality of load groups by clustering the operation patterns based on load data indicating a time-series change in load when driving with the operation patterns. Yes.
本発明によれば、得られた負荷グループに属する負荷データの代表値と需要とを比較すれば、どのような需要の場合にどの負荷グループに属する運転パターンが望ましいか容易に特定することができる。したがって、多くの作業やコストを必要とすることなく、オペレータが、どのような需要の場合にどのような運転パターンが望ましいか容易に特定することが可能となる。 According to the present invention, when the representative value of the load data belonging to the obtained load group is compared with the demand, it is possible to easily identify the operation pattern belonging to which load group in what kind of demand. . Therefore, it is possible for an operator to easily identify what operation pattern is desirable for what kind of demand without requiring a lot of work and cost.
［発明の原理］
過去の運転に関する運転履歴データには、オペレータが培った運転に関する知見やノウハウに基づく運転パターンが含まれているため、これら運転パターンをクラスタリングし、得られたグループのうちから需要に応じたグループを選択し、そのグループに含まれる運転パターンから評価値の高い運転パターンを特定する方法が考えられる。
[Principle of the Invention]
Since the operation history data related to past operation includes operation patterns based on operation knowledge and know-how cultivated by operators, these operation patterns are clustered, and among the obtained groups, a group according to demand is selected. A method of selecting and specifying an operation pattern having a high evaluation value from the operation patterns included in the group can be considered.
このクランスタリングは、施設や各設備機器に関する詳細な設定情報や、オペレータの運転に関する知見やノウハウを必要とせず、専門知識がなくても、少ないコストや時間で実行できる。
しかしながら、運転パターンを単にクラスタリングしただけでは、クラスタリングにより得られたグループのそれぞれが、どのような特徴を持つ運転パターンの集合なのかを容易に理解することができない。
This cranstering does not require detailed setting information regarding facilities and each equipment and the knowledge and know-how regarding the operation of the operator, and can be executed with less cost and time without specialized knowledge.
However, if the driving patterns are simply clustered, it is not easy to understand what characteristics each driving group has as a set of driving patterns.
一方、運転パターンは、単に設備機器を離散的に発停して単独運転または並列運転した結果を示すデータであるが、運転履歴データには、その運転パターンに基づき運転した結果として負荷データが含まれている。負荷データは、負荷の時系列変化を示すデータであるが、運転パターンがある程度適切である場合、制御対象となる施設で求められる需要の時系列変化を示す需要データと、高い相関を示すことになる。また、施設の需要は、環境、稼働内容、運転日などの諸条件から推定する技術が広く利用されている。 On the other hand, the operation pattern is data that shows the result of simply starting or stopping the equipment discretely and operating alone or in parallel, but the operation history data includes load data as a result of operation based on the operation pattern. It is. The load data is data indicating the time series change of the load, but when the operation pattern is appropriate to some extent, the load data indicates a high correlation with the demand data indicating the time series change of the demand obtained in the facility to be controlled. Become. Moreover, the technique which estimates the demand of a facility from various conditions, such as an environment, operation content, and a driving day, is widely used.
本発明は、このような運転履歴データには、個々の運転パターンに対応する負荷データが含まれていること、この負荷データが需要データと高い相関を示すことに着目し、過去の運用に関する運転履歴データに含まれる運転パターンを分類する際、それぞれの運転パターンと対応して負荷の時系列変化を示す負荷データでクラスタリングして負荷グループに分類するようにしたものである。
これにより、負荷グループに属する負荷データの代表値と需要とを比較すれば、どのような需要の場合にどの負荷グループに属する運転パターンが望ましいか容易に特定することができる。
The present invention pays attention to the fact that such operation history data includes load data corresponding to each operation pattern, and that this load data shows a high correlation with demand data, and the operation related to the past operation. When the operation patterns included in the history data are classified, clustering is performed on the load data indicating the time-series change of the load corresponding to each operation pattern, and the load patterns are classified into load groups.
Thereby, if the representative value of the load data belonging to the load group is compared with the demand, it is possible to easily identify the operation pattern belonging to which load group in what kind of demand.
次に、本発明の一実施の形態について図面を参照して説明する。
［運転支援装置］
まず、図１を参照して、本実施の形態にかかる運転支援装置１０について説明する。図１は、本実施の形態にかかる運転支援装置の構成を示すブロック図である。
Next, an embodiment of the present invention will be described with reference to the drawings.
[Driving support device]
First, with reference to FIG. 1, the driving assistance apparatus 10 concerning this Embodiment is demonstrated. FIG. 1 is a block diagram showing the configuration of the driving support apparatus according to the present embodiment.
この運転支援装置１０は、全体としてサーバ装置やパーソナルコンピュータなどの情報処理装置からなり、負荷に応じて複数の設備機器２２を離散的に発停して単独運転または並列運転する際、設備２０から過去に得られた、各設備機器２２の発停状況を示す運転パターンを有意なグループに分類する機能を有している。なお、グループ分類は、設備２０の発停制御系統ごとに分類するものとし、試算に用いる運転履歴データは、当該制御系統の制御装置２１から取得したものを用いる。 The driving support device 10 is composed of an information processing device such as a server device or a personal computer as a whole. When the plurality of equipment devices 22 are discretely started / stopped according to a load and operated independently or in parallel, the equipment 20 It has a function of classifying operation patterns indicating the start / stop status of each equipment device 22 obtained in the past into significant groups. The group classification is classified for each start / stop control system of the facility 20, and the operation history data used for the trial calculation is obtained from the control device 21 of the control system.
設備２０は、ビルや工場など施設に設置された設備であり、複数の制御系統ごとに、制御装置２１と設備機器２２とが設けられている。本発明では、設備２０が、空調システムで用いる冷温水すなわち熱量を、熱源となる複数の設備機器を運転することにより一括生成して供給する熱源システムである場合を例として説明するものとし、この際、制御装置２１が伝送路Ｌ２を介して配下の設備機器２２を運転制御するコントローラに相当し、設備機器２２が冷凍機、ボイラー、熱交換器などの熱源機器やポンプに相当するものとなる。 The equipment 20 is equipment installed in a facility such as a building or a factory, and a control device 21 and equipment 22 are provided for each of a plurality of control systems. In the present invention, the case where the facility 20 is a heat source system that generates and supplies cold / hot water used in an air conditioning system, that is, the amount of heat, by operating a plurality of facility devices serving as heat sources will be described as an example. At this time, the control device 21 corresponds to a controller that controls the operation of the subordinate equipment 22 via the transmission line L2, and the equipment 22 corresponds to a heat source device such as a refrigerator, a boiler, a heat exchanger, or a pump. .
監視装置３０は、サーバ装置などの情報処理装置からなり、通信回線Ｌ１を介して制御装置２１から取得した、各設備機器２２に対する運転状況を示す運転履歴データに基づいて、制御装置２１における運転制御を監視する機能を有している。 The monitoring device 30 is composed of an information processing device such as a server device, and the operation control in the control device 21 is performed based on the operation history data indicating the operation status for each facility device 22 acquired from the control device 21 via the communication line L1. Has a function of monitoring.
［本実施の形態の構成］
次に、運転支援装置１０の構成について詳細に説明する。
図１に示すように、運転支援装置１０には、主な機能部として、通信Ｉ／Ｆ部１１、操作入力部１２Ａ、画面表示部１２Ｂ、運転履歴ＤＢ１３、データ収集部１４、負荷グループ分類部１５、運転グループ分類部１６、負荷グループ選択部１７、運転グループ選択部１８、および候補運転パターン特定部１９が設けられている。
[Configuration of the embodiment]
Next, the configuration of the driving support device 10 will be described in detail.
As shown in FIG. 1, the driving support apparatus 10 includes, as main functional units, a communication I / F unit 11, an operation input unit 12A, a screen display unit 12B, a driving history DB 13, a data collection unit 14, and a load group classification unit. 15, an operation group classification unit 16, a load group selection unit 17, an operation group selection unit 18, and a candidate operation pattern specification unit 19 are provided.
通信Ｉ／Ｆ部１１は、一般的なデータ通信回路からなり、通信回線Ｌ１を介して監視装置３０あるいは外部装置（図示せず）とデータ通信を行う機能を有している。
操作入力部１２Ａは、キーボード、マウス、タッチパネルなどの操作入力装置からなり、オペレータの操作を検出する機能を有している。
画面表示部１２Ｂは、ＬＣＤなどの画面表示装置からなり、操作メニュー画面、設定画面、試算結果画面などの各種画面データを画面表示する機能を有している。
The communication I / F unit 11 includes a general data communication circuit, and has a function of performing data communication with the monitoring device 30 or an external device (not shown) via the communication line L1.
The operation input unit 12A includes an operation input device such as a keyboard, a mouse, and a touch panel, and has a function of detecting an operator's operation.
The screen display unit 12B includes a screen display device such as an LCD, and has a function of displaying various screen data such as an operation menu screen, a setting screen, and a trial calculation result screen.
運転履歴ＤＢ１３は、ハードディスクや半導体メモリなどの記憶装置からなり、設備２０の運転状況を示す運転履歴データを記憶する機能を有している。
運転履歴データは、制御装置２１から取得した、制御系統ごとの設備機器２２に対する運転状況を示すデータあり、主なデータとして、運転パターンと負荷データとがある。
The operation history DB 13 includes a storage device such as a hard disk or a semiconductor memory, and has a function of storing operation history data indicating the operation status of the facility 20.
The operation history data is data indicating the operation status with respect to the equipment 22 for each control system, acquired from the control device 21, and includes operation patterns and load data as main data.
図２は、運転パターンの説明図である。運転パターンは、各時刻における設備機器２２の発停制御、すなわち運転の有無（発進／停止）を示すデータである。ここでは、４つの設備機器に関する発停制御が示されており、例えば、時刻９時台には、設備機器Ａ，Ｂ，Ｄの３つが並列運転されており、１６時台には、設備機器Ａが単独運転されていることがわかる。 FIG. 2 is an explanatory diagram of an operation pattern. The driving pattern is data indicating start / stop control of the equipment 22 at each time, that is, presence / absence of driving (start / stop). Here, start / stop control for four equipment devices is shown. For example, three equipment devices A, B, and D are operated in parallel at 9 o'clock time, and equipment devices are installed at 16 o'clock time. It can be seen that A is operated alone.
図３は、負荷データの説明図である。負荷データは、運転パターンごとに、当該運転パターンに基づく設備機器２２の運転と並行して設備２０から計測した、負荷の時系列変化を示すデータである。ここでは、負荷熱量の時系列変化を示す５種類の負荷データがグラフで示されており、これら負荷データごとに異なる運転パターンが対応している。 FIG. 3 is an explanatory diagram of load data. The load data is data indicating a time-series change of the load measured from the facility 20 in parallel with the operation of the equipment 22 based on the operation pattern for each operation pattern. Here, five types of load data indicating time-series changes in load heat amount are shown in a graph, and different operation patterns correspond to the load data.
データ収集部１４は、通信Ｉ／Ｆ部１１および通信回線Ｌ１を介して監視装置３０とデータ通信を行うことにより、監視装置３０で管理している設備２０の運転状況を示す運転履歴データを収集して、運転履歴ＤＢ１３に蓄積する機能を有している。 The data collection unit 14 collects operation history data indicating the operation status of the facility 20 managed by the monitoring device 30 by performing data communication with the monitoring device 30 via the communication I / F unit 11 and the communication line L1. And it has the function to accumulate | store in driving | operation history DB13.
負荷グループ分類部１５は、運転パターンで運転した際における負荷の時系列変化を示す負荷データに基づいて、運転パターンをクラスタリングすることにより、複数の負荷グループに分類する機能を有している。
運転グループ分類部１６は、負荷グループごとに、負荷グループに属する運転パターンをクラスタリングすることにより、複数の運転グループに分類する機能を有している。
The load group classification unit 15 has a function of classifying the operation patterns into a plurality of load groups by clustering the operation patterns based on the load data indicating the time series change of the load when the operation pattern is operated.
The driving group classification unit 16 has a function of classifying driving patterns belonging to a load group into a plurality of driving groups by clustering for each load group.
負荷グループ選択部１７は、負荷グループ分類部１５で得られた分類結果に基づいて、これら負荷グループのうちから、運転条件として指定された需要の時系列変化を示す需要データと最も類似度が高い代表負荷データを持つ負荷グループを特定負荷グループとして選択する機能を有している。 Based on the classification result obtained by the load group classification unit 15, the load group selection unit 17 has the highest degree of similarity with demand data indicating a time-series change in demand designated as an operation condition from among these load groups. It has a function of selecting a load group having representative load data as a specific load group.
運転グループ選択部１８は、特定負荷グループに属する運転グループのうちから、運転条件で指定された評価関数で計算して得られた評価値が最も高い代表運転パターンを持つ運転グループを特定運転グループとして選択する機能を有している。
候補運転パターン特定部１９は、特定運転グループの代表運転パターンを、運転条件で設備機器を運転するための候補運転パターンとして特定する機能を有している。
The operation group selection unit 18 selects, as the specific operation group, an operation group having a representative operation pattern having the highest evaluation value obtained by calculating with the evaluation function specified by the operation condition from among the operation groups belonging to the specific load group. It has a function to select.
The candidate operation pattern specifying unit 19 has a function of specifying the representative operation pattern of the specific operation group as a candidate operation pattern for operating the equipment device under the operation conditions.
［クラスタリング動作］
次に、図４を参照して、本実施の形態にかかる運転支援装置１０におけるクラスタリング動作について説明する。図４は、クラスタリング処理の説明図であり、ここではｋ−ｍｅａｎｓ法を用いて負荷データを分類する例が示されている。
負荷グループ分類部１５および運転グループ分類部１６におけるクランスタリング処理については、ｋ−ｍｅａｎｓ法などの一般的な公知の手法を用いればよい。ｋ−ｍｅａｎｓ法は、予め設定した目的関数により計算したデータ間の類似性に基づき各データを複数のグループに分類する手法である。
[Clustering operation]
Next, with reference to FIG. 4, the clustering operation in the driving support apparatus 10 according to the present embodiment will be described. FIG. 4 is an explanatory diagram of the clustering process. Here, an example of classifying load data using the k-means method is shown.
For the clan staring process in the load group classification unit 15 and the operation group classification unit 16, a general known method such as a k-means method may be used. The k-means method is a method of classifying each data into a plurality of groups based on the similarity between data calculated by a preset objective function.
図４において、黒点で示される負荷データが、白丸で示される代表負荷データを中心として、破線で区切られた複数の負荷グループに分類されている。ここでは、２次元平面上に負荷データがプロットされているが、これはあくまでも便宜的な表現であり、実際に運転パターンや負荷データをクラスタリングする際、これらデータを時系列のベクトルとして扱う。 In FIG. 4, the load data indicated by black dots is classified into a plurality of load groups separated by broken lines with the representative load data indicated by white circles as the center. Here, load data is plotted on a two-dimensional plane, but this is merely an expedient expression, and these data are handled as time-series vectors when actually clustering operation patterns and load data.
ここで、負荷グループＳの数をＭ（Ｍは２以上の整数）個とし、任意の負荷グループＳｉ（ｉ＝１，２，…，Ｍ）にＮｉ個（Ｎｉは１以上の整数）の負荷データＸｉｊ（ｊ＝１，２，…，Ｎｉ）が分類されているものとした場合、負荷グループＳｉに属する負荷データＸｉｊを代表する代表負荷パターンＣｉは、次の式（１）で求められる。
また、任意の負荷グループＳｉに属する負荷データＸｉｊと代表負荷パターンＣｉとの間のユークリッド距離を距離関数ｄ（Ｘｉｊ，Ｃｉ）で表した場合、分類結果を評価するための評価値Ｊは、負荷グループＳｉごとに、Ｓｉに属するすべてのＸｉｊとＣｉとユークリッド距離を合計した値からなる。したがって、評価値Ｊを求める式、すなわち目的関数は、次の式（２）で表される。
クラスタリング処理では、まず、各負荷グループＳｉの代表負荷データＣｉをランダムに選択して初期値とする。この際、例えば曜日や月ごとなど、負荷データのグループ化が想定される場合には、その想定範囲に属する負荷データの平均値を代表負荷データＣｉとして選択してもよく、収束時間の短縮につながる。 In the clustering process, first, representative load data Ci of each load group Si is randomly selected and set as an initial value. At this time, for example, when load data grouping is assumed, such as every day of the week or every month, an average value of load data belonging to the assumed range may be selected as representative load data Ci, which shortens the convergence time. Connected.
続いて、得られた分類結果に基づいて、負荷グループＳｉごとに、Ｓｉに属する負荷データＸｉｊから新たな代表負荷データＣｉを、前述した式（１）に基づいて計算し、得られたＣｉを用いて、前述した式（２）に基づいて評価値Ｊを求める。 Subsequently, for each load group Si, new representative load data Ci is calculated from the load data Xij belonging to Si based on the obtained classification result, and the obtained Ci is calculated. The evaluation value J is obtained based on the above-described equation (2).
次に、各負荷データＸｉｊを最もユークリッド距離の小さい代表負荷データＣｉの負荷グループＳｉに分類し直し、この後、得られた分類結果に基づいて、負荷グループＳｉごとに、Ｓｉに属する負荷データＸｉｊから新たな代表負荷データＣｉを、前述した式（１）に基づいて計算し、得られたＣｉを用いて、前述した式（２）に基づいて評価値Ｊを求める。
このようにして、評価値Ｊを繰り返し計算し、評価値Ｊが最小値に収束した時点で処理を終了する。
Next, each load data Xij is reclassified into the load group Si of the representative load data Ci with the shortest Euclidean distance, and thereafter, for each load group Si, the load data Xij belonging to Si based on the obtained classification result. The new representative load data Ci is calculated based on the above-described equation (1), and the evaluation value J is obtained based on the above-described equation (2) using the obtained Ci.
In this way, the evaluation value J is repeatedly calculated, and the process ends when the evaluation value J converges to the minimum value.
なお、目的関数については、式（２）に限定されるものではなく、他の関数を用いてもよい。例えば、負荷データに関する予測値Ｑが与えられている場合、この予測値Ｑと代表パターンとの間のユークリッド距離ｄ（Ｑ，Ｃｉ）に基づく、次の式（３）に示した目的関数を用いてもよい。
［負荷グループ分類動作］
次に、図５を参照して、本実施の形態にかかる運転支援装置１０の負荷グループ分類部１５における負荷グループ分類動作について説明する。図５は、負荷グループ分類動作の説明図である。ここでは過去１年分の運転履歴データを対象として、各運転パターンをそれぞれ対応する負荷データに基づいて、負荷グループに分類する例が示されている。
[Load group classification operation]
Next, with reference to FIG. 5, the load group classification | category operation | movement in the load group classification | category part 15 of the driving assistance device 10 concerning this Embodiment is demonstrated. FIG. 5 is an explanatory diagram of the load group classification operation. Here, an example is shown in which each driving pattern is classified into a load group based on the corresponding load data for the driving history data for the past year.
まず、負荷グループ分類部１５は、運転履歴ＤＢ１３に蓄積されている過去１年分の運転履歴データから、対となる運転パターンと負荷データとを読み出し、各負荷データをクラスタリングする。
これにより、例えば３つの代表負荷データＣ１，Ｃ２，Ｃ３が得られたとすると、これら代表負荷データＣ１，Ｃ２，Ｃ３の計算に用いた複数の負荷データ群Ｘ１，Ｘ２，Ｘ３がそれぞれ存在し、これら負荷データ群Ｘ１，Ｘ２，Ｘ３が、負荷グループＳ１，Ｓ２，Ｓ３を構成することになる。
First, the load group classification | category part 15 reads the driving | operation pattern and load data which become a pair from the driving | operation history data for the past one year accumulate | stored in driving | operation log | history DB13, and clusters each load data.
Thus, for example, if three representative load data C1, C2, and C3 are obtained, there are a plurality of load data groups X1, X2, and X3 used for calculating the representative load data C1, C2, and C3. The load data groups X1, X2, and X3 constitute load groups S1, S2, and S3.
ここで、これら負荷データ群Ｘ１，Ｘ２，Ｘ３を構成する各負荷データＸ１ｊ，Ｘ２ｊ，Ｘ３ｊのそれぞれに対応する運転パターンＰ１ｊ，Ｐ２ｊ，Ｐ３ｊが存在している。したがって、結果的には、過去１年分の運転履歴データに含まれる各運転パターンＰが、それぞれの負荷データＸに基づき負荷グループＳ１，Ｓ２，Ｓ３を構成する運転パターン群Ｐ１，Ｐ２，Ｐ３に分類されたことになる。 Here, there are operation patterns P1j, P2j, P3j corresponding to the load data X1j, X2j, X3j constituting the load data groups X1, X2, X3, respectively. Therefore, as a result, each driving pattern P included in the driving history data for the past one year is changed to driving pattern groups P1, P2, P3 constituting the load groups S1, S2, S3 based on the respective load data X. It will be classified.
これら負荷グループＳ１，Ｓ２，Ｓ３に含まれる運転パターン群Ｐ１，Ｐ２，Ｐ３は、図５に示すように、代表負荷データＣ１，Ｃ２，Ｃ３と対応している。ここで、負荷データは、負荷の時系列変化を示すデータであるが、運転パターンがある程度適切である場合、制御対象となる施設で求められる需要の時系列変化を示す需要データと、高い相関を示すことになる。したがって、代表負荷データＣ１，Ｃ２，Ｃ３を需要データと見なせば、運転パターン群Ｐ１，Ｐ２，Ｐ３がどのような需要の場合に有用かを推定することができる。 The operation pattern groups P1, P2, P3 included in these load groups S1, S2, S3 correspond to representative load data C1, C2, C3 as shown in FIG. Here, the load data is data indicating the time series change of the load, but when the operation pattern is appropriate to some extent, the load data has a high correlation with the demand data indicating the time series change of the demand obtained in the facility to be controlled. Will show. Therefore, if the representative load data C1, C2, and C3 are regarded as demand data, it is possible to estimate in which demand the operation pattern groups P1, P2, and P3 are useful.
例えば、図５のうち、代表負荷データＣ１は、他と比べて比較的負荷が大きいため、これに対応する運転パターン群Ｐ１も比較的負荷が大きい需要に有用であると推定される。したがって、負荷が大きい需要に有用な運転パターンを選択するには、運転パターン群Ｐ１に属する運転パターンＰ１ｊから選択すればよいことがわかる。 For example, in FIG. 5, since the representative load data C1 has a relatively large load compared to others, it is estimated that the corresponding operation pattern group P1 is also useful for demands having a relatively large load. Therefore, it can be seen that in order to select an operation pattern useful for a demand with a large load, the operation pattern P1j belonging to the operation pattern group P1 may be selected.
このような、運転条件で指定された需要に応じていずれかの負荷グループを特定する作業は、オペレータが代表負荷データと需要データとのグラフを比較することにより、視覚的に判定することもできる。 Such an operation of specifying any load group according to the demand specified by the operating conditions can be visually determined by the operator comparing the graphs of the representative load data and the demand data. .
［運転グループ分類動作］
次に、図６を参照して、本実施の形態にかかる運転支援装置１０の運転グループ分類部１６における運転グループ分類動作について説明する。図６は、運転グループ分類動作の説明図である。ここでは負荷グループ分類部１５により分類された負荷グループＳ１に属する運転パターン群Ｐ１を運転グループに分類する例が示されている。
[Operation group classification operation]
Next, with reference to FIG. 6, the driving group classification operation in the driving group classification unit 16 of the driving support apparatus 10 according to the present embodiment will be described. FIG. 6 is an explanatory diagram of the operation group classification operation. Here, an example is shown in which the operation pattern group P1 belonging to the load group S1 classified by the load group classification unit 15 is classified into an operation group.
まず、運転グループ分類部１６は、負荷グループＳ１に属する運転パターン群Ｐ１をさらにクラスタリングする。これにより、例えばｎ（ｎは２以上の整数）個の代表運転パターンＶ１１，Ｖ１２，…，Ｖ１ｎが抽出されたとすると、これら代表運転パターンＶ１１，Ｖ１２，…，Ｖ１ｎの計算に用いた複数の運転パターン群Ｐ１１，Ｐ１２，…，Ｐ１ｎがそれぞれ存在し、これら運転パターン群Ｐ１１，Ｐ１２，…，Ｐ１ｎが、運転グループＴ１１，Ｔ１２，…，Ｔ１ｎを構成することになる。 First, the driving group classification unit 16 further clusters the driving pattern group P1 belonging to the load group S1. Accordingly, for example, if n (n is an integer of 2 or more) representative operation patterns V11, V12,..., V1n are extracted, a plurality of operations used for calculating these representative operation patterns V11, V12,. Pattern groups P11, P12,..., P1n exist, and these operation pattern groups P11, P12,..., P1n constitute operation groups T11, T12,.
これにより、１つの負荷グループＳ１に属する運転パターン群Ｐ１に含まれる各運転パターンＰ１ｊが、それぞれの類似性に基づきさらに複数の運転グループＴ１１，Ｔ１２，…，Ｔ１ｎに分類されることになる。
設備機器の運用を効果的に改善する運転グループを特定する作業は、オペレータが各代表運転パターンにおいて並列運転される設備機器の台数を確認すれば、どの代表運転パターンの省エネ効果が高いかを、ある程度推定できる。一般には、設備機器の運用を改善する場合、運転条件として、運転パターンを評価するための評価関数が与えられるため、オペレータが評価関数に基づき代表運転パターンを評価してもよい。
Thereby, each driving pattern P1j included in the driving pattern group P1 belonging to one load group S1 is further classified into a plurality of driving groups T11, T12,..., T1n based on the respective similarities.
The task of identifying operation groups that effectively improve the operation of equipment is to determine which representative operation pattern has the highest energy saving effect by checking the number of equipment that are operated in parallel in each representative operation pattern. Can be estimated to some extent. Generally, when the operation of equipment is improved, an evaluation function for evaluating an operation pattern is given as an operation condition. Therefore, the operator may evaluate the representative operation pattern based on the evaluation function.
［運転パターン特定動作］
次に、図７を参照して、本実施の形態にかかる運転支援装置１０の運転パターン特定動作について説明する。図７は、運転パターン特定動作の説明図である。ここでは特定負荷グループＳ１に属する運転グループＴ１１，Ｔ１２，…，Ｔ１ｎから、候補運転パターンを特定する例が示されている。
前述した負荷グループ分類動作や運転グループ分類動作は、過去の運転パターンの分析にも利用できるため必要に応じて単独で実行してもよいが、これらを組み合わせて自動実行するようにしてもよい。
[Operation pattern specific operation]
Next, with reference to FIG. 7, the driving pattern specifying operation of the driving support device 10 according to the present embodiment will be described. FIG. 7 is an explanatory diagram of the operation pattern specifying operation. Here, an example is shown in which candidate operation patterns are specified from operation groups T11, T12,..., T1n belonging to a specific load group S1.
Since the load group classification operation and the operation group classification operation described above can be used for analysis of past operation patterns, they may be executed independently as necessary, or may be automatically executed by combining them.
まず、前述の図５に示したように、負荷グループ分類部１５で、運転履歴ＤＢ１３に蓄積されている過去の運転履歴データに含まれている負荷データをクラスタリングし、得られた負荷グループＳ１，Ｓ２，Ｓ３のうちから、負荷グループ選択部１７で、運転条件として指定された需要の時系列変化を示す需要データと最も類似度が高い代表負荷データを持つ負荷グループＳ１を特定負荷グループとして選択する。この後、前述の図６に示したように、運転グループ分類部１６で、特定負荷グループＳ１に属する運転パターン群Ｐ１１をさらにクラスタリングする。 First, as shown in FIG. 5 described above, the load group classification unit 15 clusters the load data included in the past operation history data accumulated in the operation history DB 13, and the obtained load groups S1, From S2 and S3, the load group selection unit 17 selects, as the specific load group, the load group S1 having the representative load data having the highest similarity with the demand data indicating the time-series change of the demand designated as the operation condition. . Thereafter, as shown in FIG. 6 described above, the driving pattern grouping unit 16 further clusters the driving pattern group P11 belonging to the specific load group S1.
次に、図７に示すように、得られた運転グループＴ１１，Ｔ１２，…，Ｔ１ｎの代表運転パターンＶ１１，Ｖ１２，…，Ｖ１ｎごとに、運転グループ選択部１８で、運転条件で指定された評価関数ｆ（）に基づき評価値Ｅ１１＝ｆ（Ｖ１１），Ｅ１２＝ｆ（Ｖ１２），…，Ｅ１ｎ＝ｆ（Ｖ１ｎ）を計算して、評価値が最も高い代表運転パターンＶ１２を持つ運転グループＴ１２を特定運転グループとして選択する。 Next, as shown in FIG. 7, for each of the representative operation patterns V11, V12,..., V1n of the obtained operation groups T11, T12,. Based on the function f (), the evaluation value E11 = f (V11), E12 = f (V12),..., E1n = f (V1n) is calculated, and the operation group T12 having the representative operation pattern V12 having the highest evaluation value is obtained. Select as a specific operation group.
この後、候補運転パターン特定部１９で、特定運転グループＴ１２の代表運転パターンＶ１２を、運転条件で設備機器を運転するための候補運転パターンとして特定する。
これにより、過去の運転履歴データから、設備機器の運用を効果的に改善できる、運転条件に相応しい候補運転パターンを容易に特定することができる。
Thereafter, the candidate operation pattern specifying unit 19 specifies the representative operation pattern V12 of the specific operation group T12 as a candidate operation pattern for operating the equipment under the operation conditions.
Thereby, from the past operation history data, it is possible to easily identify candidate operation patterns suitable for the operation conditions that can effectively improve the operation of the equipment.
［本実施の形態の効果］
このように、本実施の形態は、負荷グループ分類部１５が、運転パターンで運転した際における負荷の時系列変化を示す負荷データに基づいて、運転パターンをクラスタリングすることにより、複数の負荷グループに分類するようにしたものである。
これにより、得られた負荷グループに属する負荷データの代表値と需要とを比較すれば、どのような需要の場合にどの負荷グループに属する運転パターンが望ましいか容易に特定することができる。したがって、多くの作業やコストを必要とすることなく、オペレータが、どのような需要の場合にどのような運転パターンが望ましいか容易に特定することが可能となる。
[Effects of the present embodiment]
As described above, according to the present embodiment, the load group classification unit 15 clusters the operation patterns based on the load data indicating the time-series change of the load when the operation pattern is operated. They are classified.
Thereby, if the representative value of the load data belonging to the obtained load group is compared with the demand, it is possible to easily identify the operation pattern belonging to which load group in what kind of demand. Therefore, it is possible for an operator to easily identify what operation pattern is desirable for what kind of demand without requiring a lot of work and cost.
また、本実施の形態において、運転グループ分類部１６が、負荷グループごとに、負荷グループに属する運転パターンをクラスタリングすることにより、複数の運転グループに分類するようにしてもよい。
これにより、負荷グループに含まれる運転パターンを、さらに詳細に分類することができ、オペレータが、設備機器の運用を改善できる運転パターンを特定しやすくすることができる。
In the present embodiment, the driving group classification unit 16 may classify the driving patterns belonging to the load group into a plurality of driving groups for each load group.
As a result, the operation patterns included in the load group can be classified in more detail, and the operator can easily identify the operation patterns that can improve the operation of the equipment.
また、本実施の形態において、負荷グループ選択部１７が、負荷グループのうちから、運転条件として指定された需要の時系列変化を示す需要データと最も類似度が高い代表負荷データを持つ負荷グループを特定負荷グループとして選択し、運転グループ選択部１８が、特定負荷グループに属する運転グループのうちから、運転条件で指定された評価関数で計算して得られた評価値が最も高い代表運転パターンを持つ運転グループを特定運転グループとして選択し、候補運転パターン特定部１９が、特定運転グループの代表運転パターンを、運転条件で前設備機器を運転するための候補運転パターンとして特定するようにしてもよい。
これにより、過去の運転履歴データから、設備機器の運用を効果的に改善できる、運転条件に相応しい候補運転パターンを容易に特定することができる。
In the present embodiment, the load group selection unit 17 selects a load group having representative load data having the highest degree of similarity with demand data indicating a time-series change in demand designated as an operation condition from among the load groups. It selects as a specific load group, and the driving | operation group selection part 18 has a representative driving | operation pattern with the highest evaluation value obtained by calculating with the evaluation function designated by the driving | running condition from the driving groups which belong to a specific load group. The operation group may be selected as the specific operation group, and the candidate operation pattern specifying unit 19 may specify the representative operation pattern of the specific operation group as a candidate operation pattern for driving the previous equipment device under the operation conditions.
Thereby, from the past operation history data, it is possible to easily identify candidate operation patterns suitable for the operation conditions that can effectively improve the operation of the equipment.
［実施の形態の拡張］
以上、実施形態を参照して本発明を説明したが、本発明は上記実施形態に限定されるものではない。本発明の構成や詳細には、本発明のスコープ内で当業者が理解しうる様々な変更をすることができる。また、各実施形態については、矛盾しない範囲で任意に組み合わせて実施することができる。
[Extended embodiment]
The present invention has been described above with reference to the embodiments, but the present invention is not limited to the above embodiments. Various changes that can be understood by those skilled in the art can be made to the configuration and details of the present invention within the scope of the present invention. In addition, each embodiment can be implemented in any combination within a consistent range.
１０…運転支援装置、１１…通信Ｉ／Ｆ部、１２Ａ…操作入力部、１２Ｂ…画面表示部、１３…運転履歴ＤＢ、１４…データ収集部、１５…負荷グループ分類部、１６…運転グループ分類部、１７…負荷グループ選択部、１８…運転グループ選択部、１９…候補運転パターン特定部、２０…設備、２１…制御装置、２２…設備機器、３０…監視装置、Ｘｉ…負荷データ、Ｓ，Ｓｉ，Ｓ１，Ｓ２，Ｓ３…負荷グループ、Ｃｉ，Ｃ１，Ｃ２，Ｃ３…代表負荷データ、Ｊ…評価値、Ｘ１，Ｘ２，Ｘ３…負荷データ群、Ｐ１，Ｐ２，Ｐ３，Ｐ１１，Ｐ１２，Ｐ１ｎ…運転パターン群、Ｖ１１，Ｖ１２，Ｖ１ｎ…代表運転パターン、Ｔ１１，Ｔ１２，Ｔ１ｎ…運転グループ、ｆ（）…評価関数、Ｅ１１，Ｅ１２，Ｅ１ｎ…評価値。 DESCRIPTION OF SYMBOLS 10 ... Driving assistance apparatus, 11 ... Communication I / F part, 12A ... Operation input part, 12B ... Screen display part, 13 ... Driving history DB, 14 ... Data collection part, 15 ... Load group classification part, 16 ... Driving group classification , 17 ... Load group selection unit, 18 ... Operation group selection unit, 19 ... Candidate operation pattern identification unit, 20 ... Equipment, 21 ... Control device, 22 ... Equipment, 30 ... Monitoring device, Xi ... Load data, S, Si, S1, S2, S3 ... load group, Ci, C1, C2, C3 ... representative load data, J ... evaluation value, X1, X2, X3 ... load data group, P1, P2, P3, P11, P12, P1n ... Operation pattern group, V11, V12, V1n ... representative operation pattern, T11, T12, T1n ... operation group, f () ... evaluation function, E11, E12, E1n ... evaluation value.
Claims (4)
前記運転パターンで運転した際における負荷の時系列変化を示す負荷データに基づいて、前記運転パターンをクラスタリングすることにより、複数の負荷グループに分類する負荷グループ分類部を備えることを特徴とする運転支援装置。 A driving support device that classifies the operation patterns obtained in the past into groups when discretely starting and stopping a plurality of equipment according to a load and performing independent operation or parallel operation,
A driving support comprising a load group classification unit that classifies the driving patterns into a plurality of load groups by clustering the driving patterns based on load data indicating time-series changes in loads when driving with the driving patterns. apparatus.
前記負荷グループごとに、前記負荷グループに属する運転パターンをクラスタリングすることにより、複数の運転グループに分類する運転グループ分類部をさらに備えることを特徴とする運転支援装置。 The driving support device according to claim 1,
The driving support apparatus further comprising a driving group classification unit that classifies driving patterns belonging to the load group for each load group to classify the driving patterns into a plurality of driving groups.
前記負荷グループのうちから、運転条件として指定された需要の時系列変化を示す需要データと最も類似度が高い代表負荷データを持つ負荷グループを特定負荷グループとして選択する負荷グループ選択部と、
前記特定負荷グループに属する運転グループのうちから、前記運転条件で指定された評価関数で計算して得られた評価値が最も高い代表運転パターンを持つ運転グループを特定運転グループとして選択する運転グループ選択部と、
前記特定運転グループの代表運転パターンを、前記運転条件で前設備機器を運転するための候補運転パターンとして特定する候補運転パターン特定部と
をさらに備えることを特徴とする運転支援装置。 In the driving assistance device according to claim 2,
Among the load groups, a load group selection unit that selects, as a specific load group, a load group having representative load data having the highest similarity to demand data indicating a time-series change in demand specified as an operation condition;
An operation group selection that selects an operation group having a representative operation pattern having the highest evaluation value calculated by the evaluation function specified by the operation condition from among the operation groups belonging to the specific load group as the specific operation group. And
The driving support device further comprising a candidate driving pattern specifying unit that specifies a representative driving pattern of the specific driving group as a candidate driving pattern for driving a previous equipment device under the driving conditions.
前記運転パターンで運転した際における負荷の時系列変化を示す負荷データに基づいて、前記運転パターンをクラスタリングすることにより、複数の負荷グループに分類する負荷グループ分類ステップを備えることを特徴とする運転支援方法。 A driving support method for classifying a plurality of operation patterns obtained in the past into significant groups when discretely starting and stopping a plurality of equipment according to a load and performing independent operation or parallel operation,
A driving support comprising a load group classification step of classifying the operation patterns into a plurality of load groups by clustering the operation patterns based on load data indicating a time-series change in load when the operation pattern is operated. Method.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2016093718A JP6745641B2 (en) | 2016-05-09 | 2016-05-09 | Driving support device and method |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2016093718A JP6745641B2 (en) | 2016-05-09 | 2016-05-09 | Driving support device and method |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2017204020A true JP2017204020A (en) | 2017-11-16 |
| JP6745641B2 JP6745641B2 (en) | 2020-08-26 |
Family
ID=60322899
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2016093718A Active JP6745641B2 (en) | 2016-05-09 | 2016-05-09 | Driving support device and method |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP6745641B2 (en) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2020035187A (en) * | 2018-08-30 | 2020-03-05 | 株式会社日立製作所 | Diagnostic device and diagnostic method |
-
2016
- 2016-05-09 JP JP2016093718A patent/JP6745641B2/en active Active
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2020035187A (en) * | 2018-08-30 | 2020-03-05 | 株式会社日立製作所 | Diagnostic device and diagnostic method |
| JP7199179B2 (en) | 2018-08-30 | 2023-01-05 | 株式会社日立製作所 | Diagnostic device and diagnostic method |
Also Published As
| Publication number | Publication date |
|---|---|
| JP6745641B2 (en) | 2020-08-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Yu et al. | A data-driven approach to extract operational signatures of HVAC systems and analyze impact on electricity consumption | |
| Fan et al. | Discovering gradual patterns in building operations for improving building energy efficiency | |
| Paprocka | The model of maintenance planning and production scheduling for maximising robustness | |
| Lee et al. | Service innovation and smart analytics for industry 4.0 and big data environment | |
| US20160203036A1 (en) | Machine learning-based fault detection system | |
| Serrano-Guerrero et al. | Statistical methodology to assess changes in the electrical consumption profile of buildings | |
| Khosrowpour et al. | Occupant workstation level energy-use prediction in commercial buildings: Developing and assessing a new method to enable targeted energy efficiency programs | |
| WO2017001928A1 (en) | Advanced identification and classification of sensors and other points in a building automation system | |
| JP2007249997A (en) | Method and system for monitoring industrial process | |
| Jin et al. | Multimode variation modeling and process monitoring for serial-parallel multistage manufacturing processes | |
| US20120116827A1 (en) | Plant analyzing system | |
| KR20180131246A (en) | Method for production control system through processing mining | |
| JP2011175437A (en) | Process analysis system | |
| JP2011034484A (en) | Device, system and program for predicting energy-saving effect for building | |
| JP2016539425A (en) | Computer-implemented method and system for automatically monitoring and determining the status of all process segments in a process unit | |
| JP2015011565A (en) | Monitoring control system | |
| JPWO2018073955A1 (en) | System analysis method, system analysis apparatus, and program | |
| Maquee et al. | Clustering and association rules in analyzing the efficiency of maintenance system of an urban bus network | |
| Yu et al. | LRProb control chart based on logistic regression for monitoring mean shifts of auto-correlated manufacturing processes | |
| US12038742B2 (en) | Method for alarm handling in a processing system | |
| Sadeghi et al. | Technology selection in the presence of fuzzy data and dual-role factors | |
| WO2017149598A1 (en) | Apparatus classification device | |
| Al-Aomar et al. | A data-driven predictive maintenance model for hospital HVAC system with machine learning | |
| KR101688269B1 (en) | Energy Management System Based on Process and Method for Managing Energy Using That Energy Management System | |
| JP6745641B2 (en) | Driving support device and method |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190311 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20200219 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200303 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200330 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20200721 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200804 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 6745641 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |