JP2020166421A - 情報処理装置、情報処理方法、情報処理プログラム、およびゴミ焼却プラント - Google Patents

Abstract

【課題】効果的な機械学習を行うことが可能な学習データを選別する。【解決手段】情報処理装置（１）は、手動操作によるプラントの制御の履歴を示す複数の履歴データの各々について、当該履歴データに示される手動操作が、当該手動操作が行われた時点の上記プラントの状態に適合しているか否かを判定する適合判定部（１０３）と、上記適合判定部が適合していると判定した履歴データを、上記プラントで実行すべき制御を機械学習するための学習データとする学習データ選別部（１０４）と、を備えている。【選択図】図１

Description

本発明は、機械学習を用いたプラント制御のための情報処理装置等に関する。

従来、発電所やゴミ焼却施設等のプラントの自動運転に関する技術の開発が進められている。例えば、下記の特許文献１には、プラントで稼働する機器に対して行われた運転員の介入操作の履歴データを用いて機械学習を行うことにより、介入操作を行う条件を含むルール情報を生成する技術が開示されている。

特開２０１７−４９８０１号公報（２０１７年３月９日公開）

上記特許文献１の技術は、運転員の介入操作が適切であるという前提に基づいている。しかしながら、たとえ熟練した運転員であっても、全ての介入操作が必ずしも適切であるとは限らない。そして、適切ではない介入操作が履歴データに含まれている場合には、適切ではない介入操作が学習されるため、効果的な機械学習を行うことができなくなるという問題があった。

本発明の一態様は、上記の問題点に鑑みてなされたものであり、その目的は、効果的な機械学習を行うことが可能な学習データを選別することができる情報処理装置等を提供することにある。

上記の課題を解決するために、本発明の一態様に係る情報処理装置は、手動操作によるプラントの制御の履歴を示す複数の履歴データの各々について、当該履歴データに示される手動操作が、当該手動操作が行われた時点の上記プラントの状態に適合しているか否かを判定する適合判定部と、上記適合判定部が適合していると判定した履歴データを、上記プラントで実行すべき制御を機械学習するための学習データとする学習データ選別部と、を備えている。

また、本発明の一態様に係る情報処理方法は、情報処理装置による情報処理方法であって、手動操作によるプラントの制御の履歴を示す複数の履歴データの各々について、当該履歴データに示される手動操作が、当該手動操作が行われた時点の上記プラントの状態に適合しているか否かを判定する判定ステップと、上記判定ステップが適合していると判定した履歴データを、上記プラントで実行すべき制御を機械学習するための学習データとするステップと、を含む。

本発明の一態様によれば、プラントの状態に適合した手動操作の履歴データを学習データとすることができるので、効果的な機械学習を行うことが可能になる。

本発明の実施形態１に係る情報処理装置の要部構成の一例を示すブロック図である。 「給じん装置速度増速」の分類に対応する操作セットフィルタの一例を示す図である。 上記情報処理装置における適合性判定の概要を説明する図である。 上記情報処理装置が実行する処理の一例を示すフローチャートである。 上記情報処理装置が実行する処理の他の例を示すフローチャートである。 本発明の実施形態２に係る情報処理装置の要部構成の一例を示すブロック図である。 使用する操作セットフィルタを決定する方法の一例を示す図である。 上記情報処理装置が実行する処理の一例を示すフローチャートである。 上記情報処理装置が実行する処理の他の例を示すフローチャートである。 本発明の実施形態３に係る情報処理装置における適合性判定の概要を説明する図である。

〔実施形態１〕
〔ゴミ焼却プラント〕
本実施形態のゴミ焼却プラント５の構成を、図１に基づいて説明する。なお、本実施形態では、ゴミ焼却プラントについて説明するが、本発明は、任意の焼却対象を焼却する焼却プラントに適用できる。例えば、一般廃棄物の焼却プラントの他、産業廃棄物の焼却プラント、および汚泥の焼却プラントにも適用することができる。これらの焼却プラントは、焼却によって生じる熱を利用して発電を行うものであってもよい。また、バイオマス発電プラント等のように、発電を主目的として焼却を行うプラントも上記焼却プラントの範疇に含まれる。また、プラントは焼却プラントに限らず、少なくとも１つの機械あるいは装置を用いて所定の処理（所定の対象に所定の処理を施す、所定の物品を製造する等）を行うものであればよい。

ゴミ焼却プラント５は、ゴミの集積と焼却を行うためのプラントであり、図１に示すように、情報処理装置１、プラント制御装置２、およびプラント設備３を備えている。

プラント設備３には、焼却炉、ゴミを炉内に供給する給じん装置、ゴミを炉内で移動させる火格子、ボイラ、および発電機等が含まれる。プラント設備３は、ゴミの焼却で発生した熱をボイラに供給し、ボイラから発生した蒸気によって発電機のタービンを回して発電を行う。また、プラント設備３は、燃焼用空気の流量を調節するバルブ、燃焼用空気の温度を調節する加熱装置、炉内に供給する空気の流量を調節するバルブ（例えば、一次空気調節用のバルブと二次空気調節用のバルブ）等が備えられている。

プラント設備３の稼働状況に関する情報、例えば、燃焼炉内の温度、燃焼炉内に供給されるゴミの量、ボイラから発生した蒸気量、排ガスに含まれる酸素濃度、燃焼空気の流量／温度等の情報は、プラント設備３の各所に設けられたセンサ等により検知され、プラント制御装置２のプラント制御部１０６および情報処理装置１の少なくとも一方に出力される。

プラント制御装置２は、プラント設備３に含まれる各種装置の動作を制御するプラント制御部１０６と、プラント制御装置２が他の装置と通信するための通信部１０７とを少なくとも備えている。

ゴミ焼却プラント５において、効率的に発電するためには、蒸気量を安定的に発生させることが望まれる。その一方、焼却炉では、焼却するゴミの質や量の変動、焼却炉に対する操作量の変動などの様々な要因に伴い、焼却炉の燃焼状態が変化する。よって、かかる焼却炉の燃焼状態の変化に対応しつつ、蒸気を安定的に発生させることのできる焼却炉の制御が必要となる。

従来の一般的なゴミ処理プラントでは、運転員が各種計器の値や炉内の様子を考慮しながら手動操作にプラント設備に対する各種制御を行う。これに対し、ゴミ焼却プラント５においては、プラントの運転員の手動操作の履歴データを用いて機械学習を行って作成した学習済みモデルを用いて、燃焼炉を自動制御することが可能になっている。

具体的には、情報処理装置１は、予め、プラントの運転員の手動操作の履歴データを学習データとして機械学習を行って、学習済みモデル１１５を生成する。そして、プラント制御装置２のプラント制御部１０６は、生成された学習済みモデル１１５により実行すべきと判定された制御をプラント設備３に対して行う。

しかしながら、運転員の全ての手動操作が必ずしも適切であるとは限らず、適切でない手動操作が履歴データに含まれている場合がある。このため、機械学習を効率的に行うためには、適切でない履歴データを除外して、適切な履歴データを選別する必要がある。

また、履歴データとは、手動操作によるプラント制御の履歴データであって、例えば、プラントで稼働する機器に対して行われた手動操作内容、操作量、および操作時刻等のデータが含まれる。手動操作内容とは、運転員によって、プラントで稼働する機器に対して行われる手動操作の内容のことであって、例えば、給じん装置の速度増速／減速、火格子の速度増速／減速、燃焼空気の流量増量／減量、燃焼空気の温度増加／減少、および二次空気の流量増量／減量等である。

また、履歴データは、手動操作をした運転員によって、情報処理装置１に入力又は送信されたデータ、手動操作をされたプラント設備３の機器から情報処理装置１に送信されたデータ、およびプラント設備３の機器からプラント制御装置２を介して情報処理装置１に送信されたデータの何れであってもよいし、これらが組み合わされたデータであってもよい。

〔情報処理装置〕
情報処理装置１の構成を、図１に基づいて詳細に説明する。図１は、情報処理装置１の要部構成の一例を示すブロック図である。

情報処理装置１は、情報処理装置１の各部を統括して制御する制御部１０と、情報処理装置１が使用する各種データを記憶する記憶部１１と、入力操作を受け付ける入力部１２と、情報を出力するための出力部１３と、他の装置と通信するための通信部１４とを備えている。

制御部１０には、履歴データ取得部１０１、分類部１０２、適合判定部１０３、学習データ選別部１０４、および機械学習実行部１０５が含まれる。また、記憶部１１には、履歴データベース（ＤＢ）１１１、操作セットフィルタ１１２、プラント状態ＤＢ１１３、学習ＤＢ１１４、および学習済みモデル１１５が記憶されている。

履歴データ取得部１０１は、履歴ＤＢ１１１から複数の履歴データを取得する。履歴ＤＢ１１１は、運転員が行った手動操作によるプラント制御の履歴データを予め格納するデータベースである。履歴データとは、上述したように、例えば、プラントで稼働する機器に対して行われた手動操作内容、操作量、および操作時刻等を含むデータである。

分類部１０２は、履歴データ取得部１０１が取得した複数の履歴データを、各履歴データに示される手動操作内容によって分類する。

適合判定部１０３は、手動操作によるプラントの制御の履歴を示す複数の履歴データの各々について、当該履歴データに示される手動操作が、当該手動操作が行われた時点の上記プラントの状態に適合しているか否かを判定する。なお、判定の対象とする複数の履歴データは、分類部１０２による分類後の履歴データである。

判定の詳細は図２および図３に基づいて後述するが、例えば、適合判定部１０３は、履歴データに示される手動操作が行われた時点のプラントの状態を示す状態データが、上記プラントが当該手動操作を行うべき状態であるときに充足される所定の条件を充足する場合に、当該履歴データに示される手動操作が、当該手動操作が行われた時点のプラントの状態に適合していると判定してもよい。なお、本実施形態におけるプラントの状態とは、燃焼炉内の温度、燃焼炉内に供給されるゴミの量、ボイラから発生した蒸気量、排ガスに含まれる酸素濃度等で示される焼却炉の燃焼状態のことである。

この場合、適合判定部１０３は、上記状態データをプラント状態ＤＢ１１３から読み出す。プラント状態ＤＢ１１３は、手動操作が行われた時点のプラントの状態を示すデータを格納するデータベースである。また、適合判定部１０３は、上記所定の条件を操作セットフィルタ１１２から読み出す。詳細は図２に基づいて後述するが、操作セットフィルタ１１２には、プラントが所定の手動操作を行うべき状態であるときに充足される所定の条件が示されている。

学習データ選別部１０４は、適合判定部１０３が適合していると判定した履歴データを、上記プラントで実行すべき制御を機械学習するための学習データとする。具体的には、適合判定部１０３がプラントの状態に適合しないと判定した履歴データを除外し、適合していると判定し履歴データを学習データとして選別し、学習ＤＢ１１４に格納する。学習ＤＢ１１４は、選別された履歴データを学習データとして格納するデータベースである。なお、選別の詳細は図３から図７に基づいて後述する。

機械学習実行部１０５は、学習データ選別部１０４が選別した学習データを用いて機械学習を実行し、プラントで実行すべき制御を判定するための学習済みモデル１１５を生成する。生成された学習済みモデル１１５は、記憶部１１に格納される。

上記の構成によれば、プラントの状態に適合する履歴データを抽出できる。そして、抽出した履歴データを学習データとすることで、効率的な機械学習によって学習済みモデル１１５を生成することができる。本発明の発明者らによる実験では、操作セットフィルタ１１２に基づいて選別した学習データを用いて構築した学習済みモデルの精度が、そのような選別を行うことなく構築した学習済みモデルの精度を大きく上回るという結果が得られている。

また、ゴミ焼却プラント５は、情報処理装置１を含み、プラント制御部１０６によって制御される。そして、プラント制御部１０６による制御は、上述のように高精度な学習済みモデル１１５に基づいて行われるから、ゴミ焼却プラント５では、焼却炉の燃焼状態の変化に対応した適切なプラント制御が可能となる。

〔適合判定の詳細〕
＜操作セットフィルタ＞
適合判定部１０３による適合性の判定は、履歴データの手動操作が、当該手動操作が行われた時点のプラントの状態に適合するか否かについて行われる。具体的には、操作セットフィルタ１１２には、手動操作内容に対応する所定の条件が予め設定されている。そして、適合判定部１０３は、操作セットフィルタ１１２に従って、手動操作が行われた時点のプラントの状態がこの所定の条件を満たす場合に、手動操作を当該手動操作が行われた時点のプラントの状態に適合すると判定し、満たさない場合はプラントの状態に適合しないと判定する。

ゴミ焼却プラント５に関する手動操作内容に対応する所定の条件は、例えば、「焼却炉内の温度に関する条件」、「焼却炉から発生する蒸気量に関する条件」、「焼却炉からの排出ガスに含まれる酸素濃度に関する条件」、および「焼却炉内のゴミの量に関する条件」のうち、少なくとも何れかを含む。

上記の条件は、何れもゴミ焼却プラントにおいて実行すべき手動操作を適切に判断する上で、考慮すべきであるプラントの状態に関する条件である。よって、これらの条件の少なくとも何れかを用いる上記の構成によれば、履歴データに示される手動操作が、当該手動操作が行われた時点のプラントの状態に適合しているか否かを適切に判定することができる。

ここで、分類部１０２は、各履歴データに示される手動操作内容によって、各履歴データを、例えば、給じん装置速度増速を示すデータ、火格子速度減速を示すデータ、というように分類する。適合判定部１０３は、この分類毎に適合性を判定するため、分類に応じた操作セットフィルタ１１２を用いる。

図２に基づいて、操作セットフィルタ１１２に示される所定の条件について具体的に説明する。図２は、「給じん装置速度増速」の分類に対応する操作セットフィルタ１１２の一例を示す図である。適合判定部１０３は、図２の操作セットフィルタ１１２を用いて、「給じん装置速度増速」に分類された各履歴データについて、プラントの状態との適合性を判定する。

図２の操作セットフィルタ１１２では、フィルタ項目とプラントの状態とが対応付けられている。このフィルタ項目とプラントの状態との組み合わせが、「所定の条件」を示している。例えば、フィルタ項目「炉内温度」と状態「低下傾向」の組み合わせにより、炉内温度が低下傾向にあるという「所定の条件」が示されている。

この他にも、図２の操作セットフィルタ１１２では、「発生蒸気量制御の操作量」が「増加傾向」であるとの所定の条件が示されている。なお、発生蒸気量制御の操作量とは、発生蒸気量の測定値（ＰＶ）を設定値（ＳＶ）に近付けるための制御の操作量である。例えば焼却炉へ供給するゴミ量を増加または減少させる制御の操作量や、燃焼用空気の供給量を増加または減少させる制御の操作量が発生蒸気量制御の操作量に該当する。なお、この操作量は、ＰＩＤ制御（Proportional-Integral-Differential Controller）における制御量であってもよい。さらに、「排出ガスＯ_２濃度」については、測定値（ＰＶ）が設定値（ＳＶ）より大きいか、または「増加傾向」であるとの所定の条件が示されている。そして、「ゴミ量」については、測定値（ＰＶ）が設定値（ＳＶ）より小さいか、または「減少傾向」であるとの所定の条件が示されている。

これらの条件は、何れも「給じん装置速度増速」の手動操作を行うことが適切なプラント状態において充足される条件である。つまり、炉内温度が低下傾向にあるとき、発生蒸気量制御の操作量が効果傾向にあるとき、排出ガスＯ_２濃度について、ＰＶ＞ＳＶまたは増加傾向であるとき、および、ごみ量について、ＰＶ＜ＳＶまたは減少傾向であるときには、「給じん装置速度増速」の手動操作を行うことが適切である。したがって、これら複数の条件のうち、できるだけ多くの条件が充足されている程、「給じん装置速度増速」の手動操作が妥当であったということができる。

適合判定部１０３は、履歴データに示される手動操作が行われたときのプラントの状態が、これらの各条件を満たしているか否かを判定する。例えば、ある時刻に「給じん装置速度増速」の手動操作が行われたことを示す履歴データについて判定を行う場合、適合判定部１０３は、その時刻における炉内温度が低下傾向であったか否かを判定する。同様に、適合判定部１０３は、その時刻における「発生蒸気量制御の操作量」、「排出ガスＯ_２濃度」、および「ゴミ量」についても判定する。

なお、各条件における「傾向」は、当該履歴データに示される手動操作の時刻を起点として所定期間を設定し、その期間における、プラント状態を示す各種数値（炉内温度等）をプラント状態ＤＢ１１３から読み出すことにより判定することができる。

＜履歴データの適合性判定＞
適合判定部１０３は、操作セットフィルタ１１２に示される各条件についての判定結果に基づいて、履歴データの適合性判定を行う。図３は、適合性判定の概要を説明する図である。図３は、履歴データに示される情報と、操作セットフィルタ１１２に設定された各フィルタ項目についての判定結果を示している。図中の「操作時刻」、「手動操作内容」、および「操作量」は、各履歴データに示されている情報であって、それぞれ手動操作が行われた時刻、手動操作内容、および手動操作の操作量を示している。図中の「フィルタ適合性の判定結果」は、各フィルタ項目について、手動操作とプラントの状態との適合性についての判定結果を示すものである。適合性ありと判定されたものには「〇」が、適合性無しと判定されたものには「×」が入力されている。

例えば、履歴データ１は、時刻１２：１５に給じん装置速度増速の手動操作が操作量＋１０％でなされたこと（給じん装置速度を１０％増加させる手動操作がなされたこと）を示している。フィルタ適合性の判定結果は、炉内温度については「×」（不適合）、発生蒸気量制御の操作量、排出ガスＯ_２濃度、およびゴミ量については「〇」（適合）が入力されている。

適合判定部１０３は、フィルタ適合性の各判定結果に基づいて、履歴データの適合性を判定する。例えば、フィルタ適合性の判定結果の「〇」又は「×」の数で、適合性を判定してもよい。「〇」の数が多ければ（例えば３つ以上）、適合性ありと判定し、「×」の数が多ければ（例えば２つ以上）、適合性無しと判定してもよい。適合性無しと判定された履歴データは、学習データ選別部１０４によって、学習対象の履歴データから除外される。一方、適合性ありと判定された履歴データは、学習対象の履歴データとされる。

また、図３の右端欄には、「次の操作までの時間」が示されている。「次の操作までの時間」とは、一つの手動操作が行われてから、次の手動操作が行われるまでの時間のことである。ここで、履歴データ４の操作が行われてから履歴データ５の操作が行われるまでの時間は５分と短い時間であることがわかる。また、履歴データ４の操作と履歴データ５の操作は、共に「給じん装置速度増速」であり、同一の操作対象に対して同一の操作内容が短期間内に複数回行われていることになる。

操作対象・操作内容が同一であれば、１回の手動操作で完了することが可能であった筈であるが、結果的に追加の手動操作が必要となったことから、これらの手動操作は少なくとも操作効率が良いものであったとはいえない。

そこで、同一の操作対象に対して同一の操作内容の手動操作が所定期間内に複数回行われている場合、それらの手動操作の履歴データは、学習データとして妥当なものではないと考えられる。上記所定期間は、同一の操作対象に対して同一の操作内容の手動操作が複数回行われたが、その複数回の手動操作の代わりに、１回の手動操作を行ったとしても同様の効果が得られたとみなせる程度の期間とすればよい。なお、所定期間は、適用するプラントや手動操作内容に応じて任意に設定できる。また、所定期間は、運転者、又はプラント設備の管理者等によって定められてもよい。例えば、上記所定期間を２０分とした場合、履歴データ４および履歴データ５は、学習データ選別部１０４によって除外され、学習データとはならない。

このように、学習データ選別部１０４は、所定期間内に行われた、制御対象が同一である複数の手動操作の履歴データは、学習データとしない。これにより、効率が良くない手動操作を示す履歴データが、学習データとされないので、より効果的な機械学習を行うことが可能になる。

＜処理の流れ＞
次に、図４に基づいて、情報処理装置１が学習データとする履歴データを決定する処理の流れを説明する。図４は、情報処理装置１が実行する処理（情報処理方法）の一例を示すフローチャートである。

Ｓ１において、履歴データ取得部１０１は、履歴ＤＢ１１１から複数の履歴データを取得する。そして、Ｓ２において、分類部１０２は、履歴データに示される手動操作内容によって、履歴データを分類する。

Ｓ３において、適合判定部１０３は、分類毎に所定の操作内容に対応する所定の条件によって、履歴データに示される手動操作と、当該手動操作が行われた時点の上記プラントの状態との適合性を判定する。具体的には、適合判定部１０３は、分類に応じた操作セットフィルタ１１２に示される複数の所定の条件のうちいくつの条件を満たすかによって、適合するか否かを判定する。

Ｓ４において、学習データ選別部１０４は、Ｓ３で判定が行われた履歴データのうち、適合性が低い（適合しない）と判定された履歴データを、学習データの対象から除外する。言い換えれば、学習データ選別部１０４は、Ｓ３で適合していると判定された履歴データを、プラントで実行すべき制御を機械学習するための学習データとする。ただし、Ｓ３で適合していると判定された履歴データについては、Ｓ５の処理が行われ、この処理で除外された履歴データは学習データとはならない。

Ｓ５において、学習データ選別部１０４は、Ｓ３で適合していると判定された履歴データのうち、同一の制御対象に対して短期間内に複数回同一の操作が行われている履歴データを除外する。なお、Ｓ４よりも先にＳ５の処理を行ってもよい。最後に、Ｓ６において、学習データ選別部１０４は、学習データとする履歴データを決定する。つまり、学習データ選別部１０４は、Ｓ４およびＳ５の何れにおいても除外されなかった履歴データを、学習データとすることを決定する。

例えば、図３の例において、フィルタ適合性の判定結果の「○」が３つ以上である場合に適合性ありと判定するとすれば、Ｓ４で履歴データ２が除外される。また、Ｓ５の判定の基準となる時間（所定期間）を２０分であるとすれば、Ｓ５で履歴データ４および５が除外される。よって、この場合、Ｓ６では、履歴データ１および３が、機械学習で用いられる学習データとして決定される。

〔履歴データにおける操作量の加算〕
同一の操作対象に対して同一の操作内容が所定期間内に複数回行われている場合、それらの手動操作は、制御対象は適切であったが、操作量が不適切であったとも考えられる。この場合、最初になされた手動操作の操作量が適切であれば、１回の操作で済み、効率的であったといえる。

このため、学習データ選別部１０４は、所定期間内に行われた、制御対象が同一である複数の手動操作の履歴データは、当該複数の手動操作における制御対象に対する操作量をそれぞれ加算した操作量の１回の手動操作の履歴データに変更した上で、学習データに含めてもよい。これにより、操作量が不適切であった履歴データも学習データとして有効に活用することができる。

＜処理の流れ＞
次に、図５に基づいて、情報処理装置１における処理の流れの他の一例を説明する。図５は、情報処理装置１における処理の流れの他の一例を示すフローチャートである。なお、Ｓ１からＳ４、およびＳ６の処理は、図４のＳ１からＳ４、およびＳ６の処理と同一であるから説明は繰り返さない。これらの処理により、取得した履歴データが分類され、適合性が判定された後、適合性が低いデータは除外される。

Ｓ５ａでは、学習データ選別部１０４は、同一の制御対象に対して所定期間内に複数回の操作が行われている履歴データについて、操作量を加算して１回の手動操作に変更した上で学習データに含める。例えば、図３の例において所定時間を２０分とした場合、学習データ選別部１０４は、所定期間内に複数回の操作が行われている履歴データ４および５について、履歴データ４の操作量「＋５％」に、履歴データ５の操作量「＋１２％」を加算して、操作量「＋１７％」に修正して１回の手動操作に変更した履歴データを、学習データとして選別する。

〔実施形態２〕
本発明の他の実施形態について、以下に説明する。なお、説明の便宜上、上記実施形態１にて説明したものと同じ機能を有するものについては、同じ符号を付記し、その説明を繰り返さない。実施形態３以降も同様である。

＜装置構成＞
図６は、実施形態２の情報処理装置１の要部構成の一例を示すブロック図である。図示のように、実施形態２の制御部１０は、各履歴データに示される手動操作の操作意図が、所定の複数の操作意図の何れに該当するか判定する操作意図判定部１５１を含む点で実施形態１の制御部１０と相違する。なお、操作意図とは、プラントで稼働する機器に対して運転員が手動操作を行った際の運転員の意図のことである。例えば、「焼却炉内に供給するゴミの量を増やしたい」、「焼却炉内の燃焼を促進したい」等は、操作意図の例である。

操作意図は、運転員が例えば手動操作を行う際に入力して履歴ＤＢ１１１に記録しておくようにしてもよい。この場合、操作意図判定部１５１は、履歴ＤＢ１１１を参照することにより、各履歴データに示される手動操作の操作意図を判定することができる。また、操作意図判定部１５１は、手動操作が行われたときのプラント状態に基づいて、当該手動操作の操作意図を判定してもよい。この場合、プラント状態と操作意図の対応関係を予めモデル化しておけば、操作意図判定部１５１は、当該モデルを用いて各履歴データに示される手動操作の操作意図を判定することができる。

実施形態２の分類部１０２は、操作意図判定部１５１が上述のようにして判定した操作意図によって履歴データを分類する。このため、実施形態２においては、操作意図毎に予め作成した操作セットフィルタ１１２を記憶部１１に記憶しておく。

＜操作意図に基づく操作セットフィルタの決定＞
図７に基づいて、適合判定部１０３が、使用する操作セットフィルタ１１２を決定する方法について説明する。図７のテーブルは、操作意図とフィルタ番号とフィルタ対象が対応付けられたものである。

図７のテーブルでは、「ゴミ量を増やしたい」、「ゴミ量を減らしたい」、「燃焼を促進したい」、「燃焼を抑制したい」、および「ＣＯを減らしたい」の５種類の操作意図が例示されている。これらの操作意図には、１から５のフィルタ番号が対応付けられているから、適合判定部１０３は、このテーブルを参照することにより、分類部１０２の分類結果に応じたフィルタ番号を特定することができる。フィルタ番号は、操作セットフィルタ１１２（例えば図２の例のように、１つの履歴データに対する１回の適合性の判定に用いる複数の所定の条件を組み合わせたもの）を識別する番号である。このように、本実施形態において、適合性の判定に用いる所定の条件は、複数の操作意図のそれぞれについて予め設定されている。

また、図７のテーブルでは、各操作意図に対してフィルタ対象が対応付けられている。適合判定部１０３は、このフィルタ対象に示される内容の手動操作に対して、操作セットフィルタ１１２を適用する。例えば、適合判定部１０３は、「ゴミ量を増やしたい」との操作意図に分類された履歴データのうち、フィルタ対象となっている「給じん装置速度増速」または「火格子速度増速」の手動操作の履歴データについて、フィルタ番号「１」の操作セットフィルタ１１２を用いる。

＜処理の流れ＞
次に、図８に基づいて、実施形態２の情報処理装置１が実行する処理の流れを説明する。図８は、実施形態２の情報処理装置１が実行する処理の流れの一例を示すフローチャートである。

Ｓ２１において、履歴データ取得部１０１は、履歴ＤＢ１１１から複数の履歴データを取得する。続くＳ２２において、操作意図判定部１５１は、各履歴データの操作意図を判定する。そして、Ｓ２３において、分類部１０２は、Ｓ２２で判定された操作意図に基づいて履歴データを分類する。

Ｓ２４において、適合判定部１０３は、Ｓ２３の分類に応じた操作セットフィルタ１１２を用いて、Ｓ２１で取得された各履歴データについて、プラントの状態と操作内容との適合性を判定する。例えば、図７のテーブルを用いる場合、適合判定部１０３は、該テーブルを参照してＳ２３の分類に応じた操作セットフィルタ１１２を特定する。そして、適合判定部１０３は、特定した操作セットフィルタ１１２を用いて、上記テーブルにおいてフィルタ対象となっている手動操作の履歴データの適合性の判定を行う。

なお、適合判定部１０３は、操作意図とフィルタ対象が合致しない履歴データは、不適合と判定する。例えば、図７の例において、操作意図が「ゴミ量を増やしたい」に該当するが、行われた手動操作が「給じん装置速度増速」および「火格子速度増速」以外の手動操作である履歴データについては、適合判定部１０３は、不適合と判定する。Ｓ２５からＳ２７の処理は、図４のＳ４からＳ６の処理と同様であるから説明を省略する。

以上のように、本実施形態の情報処理装置１は、履歴データに示される手動操作の操作意図が、所定の複数の操作意図の何れに該当するか判定する操作意図判定部１５１を備えている。また、図７に基づいて説明したように、上記所定の条件は、複数の操作意図のそれぞれについて予め設定されている。そして、適合判定部１０３は、操作意図に応じた所定の条件を用いて、履歴データに示される手動操作が、当該手動操作が行われた時点の上記プラントの状態に適合しているか否かを判定する。この構成によれば、操作意図に応じた条件を用いて判定を行うので、操作意図がプラント状態に適合した手動操作の履歴データを学習データとすることが可能になる。

＜処理の流れ（履歴データにおける操作量を加算）＞
本実施形態においても、図５の例のように、履歴データにおける操作量を加算した上で学習データに加えてもよい。これについて図９に基づき説明する。図９は、実施形態２の情報処理装置１における処理の流れの他の例を示すフローチャートである。なお、図８のフローチャートとの相違点であるＳ２６ａ以外の処理については説明を省略する。

図９に示すように、Ｓ２６ａにおいて、学習データ選別部１０４は、同一の制御対象に対して所定期間内に複数回の操作が行われているデータの操作量を加算して１回の手動操作に変更した上で学習データに含める。この構成によれば、学習データとして妥当でない履歴データを修正した上で学習データとするため、操作量が不適切であった履歴データも学習データとして有効に活用することができる。

〔実施形態３〕
本発明のさらに他の実施形態について、図１０に基づいて説明する。実施形態３の学習データ選別部１０４は、反対方向操作までの時間が短い履歴データを学習データから除外する点で、実施形態１の学習データ選別部１０４と異なっている。

ここで、反対方向操作とは、同一の操作対象に対して既になされた手動操作の内容と同一の操作の内容であるが、操作量が逆方向に変わっている手動操作を意味する。具体例を示すと、例えば、給じん装置の速度を増速した操作に対する反対方向操作とは、給じん装置の速度を減速する操作のことである。

図１０（ｂ）に示す「操作時刻」には、操作が行われた時刻、「手動操作内容」には手動操作内容、「操作量」には手動操作の方向と操作量が示されている。ここで、履歴データ４の手動操作が行われてから履歴データ５の手動操作が行われるまでの時間は５分と短いことがわかる。また、履歴データ４と履歴データ５の操作対象は、共に「給じん装置の速度」であるが、履歴データ４の操作量は「＋５％」すなわち増速であり、一方、履歴データ５の操作量は「−７％」すなわち減速である。よって、履歴データ５の手動操作は、履歴データ４の手動操作の反対方向操作である。

ある手動操作が行われてから所定期間内に、反対方向の操作が行われている場合、最初の手動操作の方向が不適切であったため、２回目の手動操作が行われたと考えられる。そこで、学習データ選別部１０４は、所定期間内に反対方向操作が行われている場合、それらの手動操作の履歴データを学習データとして選別しない。

このように、操作方向が適切でないと判断される手動操作を示す履歴データは、学習データとして妥当でないとして除外されるため、より効果的な機械学習を行うことが可能になる。なお、以下説明するように、学習データ選別部１０４は、ある手動操作の後、所定期間内に反対方向操作が行われている場合、それらの操作量をそれぞれ加算した操作量の１回の手動操作の履歴データに変更した上で、学習データに含めてもよい。これにより、反対方向操作の履歴データも学習データとして有効に活用することができる。

＜処理の流れ＞
図１０（ａ）に基づいて、実施形態３の情報処理装置１が実行する処理の流れを説明する。図１０（ａ）は、実施形態３の情報処理装置１が実行する処理の流れの一例を示すフローチャートである。なお、Ｓ３１からＳ３４およびＳ３７の処理は、図４のＳ１からＳ４およびＳ６の処理と同様であるから説明を省略する。

Ｓ３５において、学習データ選別部１０４は、Ｓ３３で適合していると判定された履歴データのうち、同一の制御対象に対して短期間内に複数回同一内容の操作が行われている履歴データを除外する。あるいは、学習データ選別部１０４は、同一の制御対象に対して短期間内に複数回同一内容の操作が行われている履歴データの操作量を加算して１回の手動操作に変更した上で学習データに含めてもよい。

Ｓ３６において、学習データ選別部１０４は、Ｓ３３で適合していると判定され、Ｓ３４で除外されなかった履歴データのうち、反対方向操作までの時間が短い履歴データを除外する。あるいは、学習データ選別部１０４は、ある手動操作の操作量に、その反対方向操作の操作量を加算して１回の手動操作に変更した上で学習データに含めてもよい。例えば、学習データ選別部１０４は、履歴データ４の操作量「＋５％」に、履歴データ５の操作量「−７％」を加算して、操作量「−２％」に修正して１回の手動操作に変更した履歴データを、学習データとしてもよい。

〔ソフトウェアによる実現例〕
情報処理装置１の制御ブロック（特に図１の制御部１０に含まれる各ブロック）は、集積回路（ＩＣチップ）等に形成された論理回路（ハードウェア）によって実現してもよいし、ソフトウェアによって実現してもよい。

後者の場合、情報処理装置１は、各機能を実現するソフトウェアであるプログラムの命令を実行するコンピュータを備えている。このコンピュータは、例えば１つ以上のプロセッサを備えていると共に、上記プログラムを記憶したコンピュータに読み取り可能な記録媒体を備えている。そして、上記コンピュータにおいて、上記プロセッサが上記プログラム（情報処理プログラム）を上記記録媒体から読み取って実行することにより、本発明の目的が達成される。上記プロセッサとしては、例えばＣＰＵ（Central Processing Unit）を用いることができる。上記記録媒体としては、「一時的でない有形の媒体」、例えば、ＲＯＭ（Read Only Memory）等の他、テープ、ディスク、カード、半導体メモリ、プログラマブルな論理回路などを用いることができる。また、上記プログラムを展開するＲＡＭ（Random Access Memory）などをさらに備えていてもよい。また、上記プログラムは、該プログラムを伝送可能な任意の伝送媒体（通信ネットワークや放送波等）を介して上記コンピュータに供給されてもよい。なお、本発明の一態様は、上記プログラムが電子的な伝送によって具現化された、搬送波に埋め込まれたデータ信号の形態でも実現され得る。

〔変形例〕
上記各実施形態で説明した各処理は、適宜変更することが可能である。例えば、実施形態１では、操作内容で履歴データを分類した後、操作セットフィルタ１１２で適合する履歴データを選別したが、最初に、操作セットフィルタ１１２で抽出した後、操作内容で絞り込んでもよい。

例えば、実施形態２の例において、適合判定部１０３は、全ての履歴データを「ゴミを増やしたい」という操作意図の操作セットフィルタ１１２に供し、適合率が高い履歴データを抽出してもよい。そして、学習データ選別部１０４は、抽出された履歴データのうち、操作内容が「ゴミを増やしたい」操作意図に適合したもの（「給じん装置速度増速」または「火格子速度増速」となっているもの）を選別して学習データとしてもよい。

また、適合判定部１０３は、履歴データに示される手動操作が、当該手動操作が行われた時点の上記プラントの状態に適合しているか否かの判定を、当該手動操作後の炉内の燃焼状態に基づいて行ってもよい。

例えば、適合判定部１０３は、手動操作後の炉内の燃焼状態が正常である期間が所定時間以上であれば、当該手動操作がプラントの状態に適合していると判定してもよい。この場合、適合判定部１０３は、手動操作後の炉内の燃焼状態が正常である期間が所定時間未満であれば、当該手動操作はプラントの状態に適合していないと判定することになり、このような手動操作の履歴データは学習データとされることなく除外される。

燃焼状態が正常であるか否かは、プラント状態ＤＢ１１３に基づいて判定すればよい。例えば、燃焼状態が正常であるときの、炉内温度、発生蒸気量の偏差、および排ガスＣＯ濃度の条件を予め定めておき、適合判定部１０３は、それらの条件を満たす場合に燃焼状態が正常であると判定してもよい。具体的な数値例を挙げれば、適合判定部１０３は、炉内温度が９００〜９５０℃であり、発生蒸気量について、｜ＰＶ−ＳＶ｜／ＳＶ＜０．０５であり、かつ排ガスＣＯ濃度が５ｐｐｍ未満であれば、燃焼状態が正常であると判定してもよい。なお、｜ＰＶ−ＳＶ｜／ＳＶ＜０．０５とは、ＰＶとＳＶの差がＳＶの５％を下回っていることを意味している。

また、燃焼状態が正常である期間に基づく判定と、操作セットフィルタ１１２に基づく判定とを併用してもよい。例えば、学習データ選別部１０４は、操作セットフィルタ１１２に基づいて適合性ありと判定された履歴データのうち、燃焼状態が正常である期間がより長いものを優先して学習データとしてもよい。

なお、図１のシステム構成は一例であり、システムの構成を変更してもゴミ焼却プラント５と同様の機能を実現することが可能である。例えば、機械学習実行部１０５の機能を他の情報処理装置に持たせたシステムとしてもよい。この場合、情報処理装置１は、学習データの選別まで行い、選別されたデータを用いた機械学習は他の情報処理装置が行う。また、例えば、情報処理装置１をプラント制御装置２に組み込んで１つの装置としてもよい。

本発明は上述した各実施形態に限定されるものではなく、請求項に示した範囲で種々の変更が可能であり、異なる実施形態にそれぞれ開示された技術的手段を適宜組み合わせて得られる実施形態についても本発明の技術的範囲に含まれる。

１ 情報処理装置
１０３ 適合判定部
１０４ 学習データ選別部

Claims (11)

1. 手動操作によるプラントの制御の履歴を示す複数の履歴データの各々について、当該履歴データに示される手動操作が、当該手動操作が行われた時点の上記プラントの状態に適合しているか否かを判定する適合判定部と、
   上記適合判定部が適合していると判定した履歴データを、上記プラントで実行すべき制御を機械学習するための学習データとする学習データ選別部と、を備えていることを特徴とする情報処理装置。
2. 上記適合判定部は、上記履歴データに示される手動操作が行われた時点の上記プラントの状態を示す状態データが、上記プラントが当該手動操作を行うべき状態であるときに充足される所定の条件を充足する場合に、当該履歴データに示される手動操作が、当該手動操作が行われた時点の上記プラントの状態に適合していると判定することを特徴とする請求項１に記載の情報処理装置。
3. 上記プラントは、ゴミ焼却プラントであり、
   上記所定の条件は、焼却炉内の温度に関する条件、焼却炉から発生する蒸気量に関する条件、焼却炉からの排出ガスに含まれる酸素の濃度に関する条件、および焼却炉内のゴミの量に関する条件の少なくとも何れかを含むことを特徴とする請求項２に記載の情報処理装置。
4. 上記履歴データに示される上記手動操作の操作意図が、所定の複数の操作意図の何れに該当するか判定する操作意図判定部を備え、
   上記所定の条件は、複数の上記操作意図のそれぞれについて予め設定されており、
   上記適合判定部は、上記操作意図に応じた上記所定の条件を用いて、上記履歴データに示される手動操作が、当該手動操作が行われた時点の上記プラントの状態に適合しているか否かを判定することを特徴とする請求項２または３に記載の情報処理装置。
5. 上記学習データ選別部は、所定期間内に行われた、制御対象が同一である複数の手動操作の履歴データは、上記学習データとしないことを特徴とする請求項１から４の何れか１項に記載の情報処理装置。
6. 上記学習データ選別部は、所定期間内に行われた、制御対象が同一である複数の手動操作の履歴データは、当該複数の手動操作における上記制御対象に対する操作量をそれぞれ加算した操作量の１回の手動操作の履歴データに変更した上で、上記学習データに含めることを特徴とする請求項１から４の何れか１項に記載の情報処理装置。
7. 上記学習データ選別部が学習データとした上記履歴データを用いた機械学習により、上記プラントで実行すべき制御を判定するための学習済みモデルを生成する機械学習実行部を備えていることを特徴とする請求項１から６の何れか１項に記載の情報処理装置。
8. 上記情報処理装置が生成した上記学習済みモデルにより実行すべきと判定された制御を、上記プラントに対して行うプラント制御部を備えていることを特徴とする請求項７に記載の情報処理装置。
9. 情報処理装置による情報処理方法であって、
   手動操作によるプラントの制御の履歴を示す複数の履歴データの各々について、当該履歴データに示される手動操作が、当該手動操作が行われた時点の上記プラントの状態に適合しているか否かを判定するステップと、
   上記判定するステップにて適合していると判定した履歴データを、上記プラントで実行すべき制御を機械学習するための学習データとするステップと、を含むことを特徴とする情報処理方法。
10. 請求項１に記載の情報処理装置としてコンピュータを機能させるための情報処理プログラムであって、上記適合判定部、および上記学習データ選別部としてコンピュータを機能させるための情報処理プログラム。
11. ゴミ焼却プラントであって、
    請求項８に記載の情報処理装置を含み、
    上記情報処理装置が備える上記プラント制御部によって制御されることを特徴とするゴミ焼却プラント。
    
    

Images