JP2021033951A - プロセス管理の支援装置、支援方法、支援プログラムおよび支援システム - Google Patents
プロセス管理の支援装置、支援方法、支援プログラムおよび支援システム Download PDFInfo
- Publication number
- JP2021033951A JP2021033951A JP2019157173A JP2019157173A JP2021033951A JP 2021033951 A JP2021033951 A JP 2021033951A JP 2019157173 A JP2019157173 A JP 2019157173A JP 2019157173 A JP2019157173 A JP 2019157173A JP 2021033951 A JP2021033951 A JP 2021033951A
- Authority
- JP
- Japan
- Prior art keywords
- classifier
- support device
- data
- neural network
- process data
- 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 abstract description 165
- 230000008569 process Effects 0.000 title claims abstract description 155
- 238000013528 artificial neural network Methods 0.000 claims abstract description 81
- 238000012545 processing Methods 0.000 claims abstract description 22
- 230000007613 environmental effect Effects 0.000 claims abstract description 11
- 239000002994 raw material Substances 0.000 claims description 29
- 230000000306 recurrent effect Effects 0.000 claims description 20
- 239000000446 fuel Substances 0.000 claims description 7
- 230000006399 behavior Effects 0.000 claims description 6
- 238000010438 heat treatment Methods 0.000 claims description 2
- 230000009471 action Effects 0.000 description 19
- 239000004568 cement Substances 0.000 description 17
- 238000010586 diagram Methods 0.000 description 14
- 238000004519 manufacturing process Methods 0.000 description 9
- 238000001354 calcination Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 8
- 239000003245 coal Substances 0.000 description 7
- 238000003860 storage Methods 0.000 description 7
- 239000000725 suspension Substances 0.000 description 7
- 238000000605 extraction Methods 0.000 description 6
- 239000007789 gas Substances 0.000 description 5
- 210000002569 neuron Anatomy 0.000 description 5
- 238000010304 firing Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 230000002354 daily effect Effects 0.000 description 3
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N Silicium dioxide Chemical compound O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 2
- 238000010923 batch production Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000006114 decarboxylation reaction Methods 0.000 description 2
- 238000001035 drying Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000007730 finishing process Methods 0.000 description 2
- 239000013067 intermediate product Substances 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 235000008733 Citrus aurantifolia Nutrition 0.000 description 1
- 235000019738 Limestone Nutrition 0.000 description 1
- 229910000831 Steel Inorganic materials 0.000 description 1
- 235000011941 Tilia x europaea Nutrition 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 230000000740 bleeding effect Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 239000004927 clay Substances 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 239000012467 final product Substances 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 239000010440 gypsum Substances 0.000 description 1
- 229910052602 gypsum Inorganic materials 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 239000004571 lime Substances 0.000 description 1
- 239000006028 limestone Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000000491 multivariate analysis Methods 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- JTJMJGYZQZDUJJ-UHFFFAOYSA-N phencyclidine Chemical class C1CCCCN1C1(C=2C=CC=CC=2)CCCCC1 JTJMJGYZQZDUJJ-UHFFFAOYSA-N 0.000 description 1
- 239000000843 powder Substances 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000004886 process control Methods 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 230000015541 sensory perception of touch Effects 0.000 description 1
- 239000000377 silicon dioxide Substances 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 239000004575 stone Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 239000002918 waste heat Substances 0.000 description 1
Landscapes
- Testing And Monitoring For Control Systems (AREA)
Abstract
Description
図1は、プロセス管理システム10を示す概略図である。プロセス管理システム10は、プラント100およびプロセス管理の支援装置200を備えている。図1に示す例では、プラント100は、セメント工場内のセメント焼成工程を行う設備であるが、これに限定されず、セメント原料工程、仕上工程を含め、複数のプロセスデータを見ながら操作する製造工程であれば鉄鋼、化学等でも適用可能である。プロセス管理の支援装置200は、少なくともCPUおよびメモリを有する例えばPCのような装置であり、プラント100からの情報にもとづいてオペレータOPに適した操作を通知する。また、プロセス管理の支援装置200は、オペレータOPからの操作を受け付け、プラント100へその操作を指示する。
プラント100は、原料送入路110、ニューサスペンションプレヒータ120、ロータリーキルン140、窯前バーナ150、クーラ170および仮焼炉への抽気ダクト180を有している。以下、セメントの製造工程に沿って、プラント100の構成を説明する。
図2は、プロセス管理の支援装置200の構成を示すブロック図である。図2に示すように、プロセス管理の支援装置200であって、情報取得部210、記憶部220、クラシファイア230、学習処理部240、操作特定部250、表示部260および操作部270を備えている。図2に示す実線は操作予測のための情報の送受を表し、一点鎖線は学習処理のための情報の送受を表し、破線は自動操作のための情報の送受を表す。
上記のように構成されたプロセス管理の支援装置200の動作を説明する。図3は、プロセス管理の支援処理を示すフローチャートである。図3に示すように、まず、リアルタイムでプロセスデータを取得し(ステップS1)、すべてのクラシファイア230の条件にマッチしたか否かを同時に照合する(ステップS2)。そして、全クラシファイアからマッチした操作をマッチセットとして一旦集め、その中から最も適合度の高い操作を特定する。その結果、操作端の設定値を特定する(ステップS3)。
(基本的な構成および機能)
次に、ニューラルネットワークを用い、連続値で定義される入力に対応するクラシファイアについて説明する。ニューラルネットワークは、機械学習手法の1つであり、人間の脳内にある神経細胞(ニューロン)による神経回路(ネットワーク)を模したアルゴリズムである。ニューラルネットワークは、複数のニューロンが互いに接続された多層構造となっており、各層のニューロンは、単一あるいは複数の入力情報に対して、活性化関数に基づいて計算された値を出力値として次の層のニューロンに伝達する。これを入力層から出力層まで行う。
上記のようなクラシファイアを用いるときに、処理時間が問題になることがある。連続値で定義される入力を{0、1、#}の3進数に離散化して対応するクラシファイアを用いたシステムは、様々なパターンが生じる連続環境の時系列データを当てはめると、条件部のビット長が増大し、処理時間を要し、クラシファイアの環境へのマッチングが難しくなる。
これに対し、1つのニューラルネットワークを全クラシファイアの条件部共通とすることで、処理速度を大幅に高めることができる。図6は、全行動ルールに対して共通の条件部を有する1つのニューラルネットワークを用いたクラシファイアを示す図である。このようなクラシファイアでは、処理速度向上により日々のルール更新も容易となる。
上記のようなシステムでは、さらにニューラルネットワークとして拡張型マルチコンテキストリカレントニューラルネットワーク(Extended Multi-Context Recurrent Neural Network)を用いることで予測精度が向上する。図9は、拡張型マルチコンテキストリカレントニューラルネットワークを用いたクラシファイアを示す図である。拡張型マルチコンテキストリカレントニューラルネットワークでは、クラシファイアの条件部に、数期前までの中間層からの出力を保持するための複数のフィードバック層と、過去の入力層を保持するための複数のタイムディレイ層を有する。その結果、予測精度が向上する。
実際に、セメント工場において、拡張型マルチコンテキストリカレントニューラルネットワークを用いたクラシファイアシステムで操作の予測値を出力し、熟練者が実際に設定した設定値との比較を行った。まず、入力するプロセスデータとして、オペレータが主に操作する6種の操作端とオペレータが主に監視する9種の計測値(合計15種の計測値)を採用した。図12(a)は、実施例において入力されるプロセスデータを示す図である。図12(b)は、実際に設定した操作端の設定値を示している。図12(b)に示す設定値は、学習時に使用される。なお、予測する操作端自身の計測値を入力するプロセスデータから除いた、14種の入力で予測を行っている。
100 プラント
110 原料送入路
120 ニューサスペンションプレヒータ
121 サイクロン
123 誘引ファン
125 仮焼炉
140 ロータリーキルン
143 窯尻
145 窯前
148 落口
150 窯前バーナ
170 クーラ
180 抽気ダクト
185 抽気ダンパ
200 支援装置
210 情報取得部
220 記憶部
230 クラシファイア
240 学習処理部
250 操作特定部
260 表示部
270 操作部
OP オペレータ
Claims (11)
- プラントにおけるプロセス管理の支援装置であって、
ニューラルネットワークを用いたクラシファイアと、
対象プラントにおける環境状況を表すプロセスデータと操作端の設定値との対応関係を表す過去のデータセットを教師データとして前記クラシファイアに学習させる学習処理部と、
リアルタイムで前記対象プラントにおけるプロセスデータを取得する情報取得部と、
前記クラシファイアを用いて、前記取得されたプロセスデータに対して、将来において適した操作端の設定値を特定する操作特定部と、を備えることを特徴とする支援装置。 - 前記クラシファイアは、連続値として定義される複数の入力値に対し、離散値として定義される出力値を生成し、
前記プロセスデータは、時系列のデータであることを特徴とする請求項1記載の支援装置。 - 前記プロセスデータは、前記環境状況を表す複数種類のデータの集合であり、それぞれが互いに依存することを特徴とする請求項1または請求項2記載の支援装置。
- 前記操作端の入力は、将来における複数の前記プロセスデータへ影響を及ぼすことを特徴とする請求項1から請求項3のいずれかに記載の支援装置。
- 前記クラシファイアは、全行動ルールに対して共通の条件部として構成された単一のニューラルネットワークで構成され、
前記操作特定部は、複数の出力値に対し特定の閾値を超えるか否かを判定し、前記複数の出力値のうち前記特定の閾値を超える出力値に応じて前記適した操作端の設定値を特定することを特徴とする請求項1から請求項4のいずれかに記載の支援装置。 - 前記クラシファイアは、入力値を受け付ける入力層、前記入力層からの情報に基づいて重みづけして反応する中間層および中間層からの出力に重みづけをして出力値を出す出力層を有し、
前記入力層、前記中間層および前記出力層に対する入力から出力までの過程を1周期としたとき、前周期以前の中間層からの出力を保持する複数のフィードバック層を更に有するマルチコンテキストリカレントニューラルネットワークで構成されることを特徴とする請求項1から請求項5のいずれかに記載の支援装置。 - 前記クラシファイアは、前周期以前の入力層を保持するための複数のタイムディレイ層をさらに有する拡張型マルチコンテキストリカレントニューラルネットワークで構成されることを特徴とする請求項6記載の支援装置。
- 前記対象プラントは、連続的に供給される原料を加熱する設備を含み、
前記プロセスデータは、前記設備の温度を含み、
前記操作端の設定値は、前記設備内への原料または燃料の送入速度を含むことを特徴とする請求項1から請求項7のいずれかに記載の支援装置。 - プラントにおけるプロセス管理の支援方法であって、
連続値として定義される複数の入力値に対し、離散値として定義される出力値を生成するニューラルネットワークを用いたクラシファイアの構造を決定するステップと、
対象プラントにおける操業状況を表す複数種類のプロセスデータと操作端の設定値との対応関係を表す過去のデータセットを教師データとして前記クラシファイアを更新するステップと、
リアルタイムで前記対象プラントにおける複数種類のプロセスデータを取得するステップと、
前記クラシファイアを用いて、前記取得された複数種類のプロセスデータに対して、将来において適した操作端の設定値を特定するステップと、を含むことを特徴とする支援方法。 - プラントにおけるプロセス管理の支援プログラムであって、
連続値として定義される複数の入力値に対し、離散値として定義される出力値を生成するニューラルネットワークを用いたクラシファイアの構造を決定する処理と、
対象プラントにおける操業状況を表す複数種類のプロセスデータと操作端の設定値との対応関係を表す過去のデータセットを教師データとして前記クラシファイアを更新する処理と、
リアルタイムで前記対象プラントにおける複数種類のプロセスデータを取得する処理と、
前記クラシファイアを用いて、前記取得された複数種類のプロセスデータに対して、将来において適した操作端の設定値を特定する処理と、をコンピュータに実行させることを特徴とする支援プログラム。 - プラントにおけるプロセス管理の支援システムであって、
プロセス管理の対象となる対象プラントと、
請求項1から請求項8のいずれかに記載の支援装置と、を備えることを特徴とする支援システム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019157173A JP7466823B2 (ja) | 2019-08-29 | 2019-08-29 | プロセス管理の支援装置、支援方法、支援プログラムおよび支援システム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019157173A JP7466823B2 (ja) | 2019-08-29 | 2019-08-29 | プロセス管理の支援装置、支援方法、支援プログラムおよび支援システム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021033951A true JP2021033951A (ja) | 2021-03-01 |
JP7466823B2 JP7466823B2 (ja) | 2024-04-15 |
Family
ID=74675971
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019157173A Active JP7466823B2 (ja) | 2019-08-29 | 2019-08-29 | プロセス管理の支援装置、支援方法、支援プログラムおよび支援システム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7466823B2 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP4053238A1 (en) | 2021-03-03 | 2022-09-07 | Sumitomo Rubber Industries, Ltd. | Aqueous adhesive for tennis ball |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008204437A (ja) * | 2007-01-12 | 2008-09-04 | Toyota Motor Engineering & Manufacturing North America Inc | 固定型の長期及び適応型の短期メモリを有するニューラルネットワークコントローラ |
JP2017049801A (ja) * | 2015-09-02 | 2017-03-09 | 三菱重工業株式会社 | 運転支援システム、運転支援方法及びプログラム |
JP2018024936A (ja) * | 2016-08-02 | 2018-02-15 | Jfeスチール株式会社 | 溶銑温度予測方法、溶銑温度予測装置、高炉の操業方法、操業ガイダンス装置、溶銑温度制御方法、及び溶銑温度制御装置 |
JP2019045905A (ja) * | 2017-08-29 | 2019-03-22 | 学校法人早稲田大学 | 挙動予測システム及び挙動予測方法 |
JP2019159675A (ja) * | 2018-03-12 | 2019-09-19 | 三菱重工業株式会社 | プラント運転支援装置、プラント運転支援方法、およびプラント運転支援プログラム |
-
2019
- 2019-08-29 JP JP2019157173A patent/JP7466823B2/ja active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008204437A (ja) * | 2007-01-12 | 2008-09-04 | Toyota Motor Engineering & Manufacturing North America Inc | 固定型の長期及び適応型の短期メモリを有するニューラルネットワークコントローラ |
JP2017049801A (ja) * | 2015-09-02 | 2017-03-09 | 三菱重工業株式会社 | 運転支援システム、運転支援方法及びプログラム |
JP2018024936A (ja) * | 2016-08-02 | 2018-02-15 | Jfeスチール株式会社 | 溶銑温度予測方法、溶銑温度予測装置、高炉の操業方法、操業ガイダンス装置、溶銑温度制御方法、及び溶銑温度制御装置 |
JP2019045905A (ja) * | 2017-08-29 | 2019-03-22 | 学校法人早稲田大学 | 挙動予測システム及び挙動予測方法 |
JP2019159675A (ja) * | 2018-03-12 | 2019-09-19 | 三菱重工業株式会社 | プラント運転支援装置、プラント運転支援方法、およびプラント運転支援プログラム |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP4053238A1 (en) | 2021-03-03 | 2022-09-07 | Sumitomo Rubber Industries, Ltd. | Aqueous adhesive for tennis ball |
Also Published As
Publication number | Publication date |
---|---|
JP7466823B2 (ja) | 2024-04-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
AU2010249160B2 (en) | On-line optimization of induration of wet iron ore pellets on a moving grate | |
Stadler et al. | Model predictive control of a rotary cement kiln | |
US20190243346A1 (en) | Controlling multi-stage manufacturing process based on internet of things (iot) sensors and cognitive rule induction | |
DE102007063915B4 (de) | Prozesssteuerungs- und Optimierungstechnik unter Verwendung immunologischer Konzepte | |
CN111133390A (zh) | 工厂管理系统和管理装置 | |
US20050137995A1 (en) | Method for regulating a thermodynamic process by means of neural networks | |
JP2021033951A (ja) | プロセス管理の支援装置、支援方法、支援プログラムおよび支援システム | |
EP1396770A1 (de) | Verfahren zur Regelung eines thermodynamischen Prozesses | |
Zanoli et al. | Improving performances of a cement rotary kiln: a model predictive control solution | |
Meiners et al. | Application of machine learning for product batch oriented control of production processes | |
CN116027748B (zh) | 一种基于模块化dcs的复合肥生产控制方法及系统 | |
Fallahpour et al. | A supervisory fuzzy control of back-end temperature of rotary cement kilns | |
TWI801502B (zh) | 廠房運轉條件設定支援系統、學習裝置以及運轉條件設定支援裝置 | |
WO2020176060A2 (en) | A production optimisation method for the ethylene furnaces | |
Zermane et al. | Development of an internet and fuzzy based control system of manufacturing process | |
JP7518591B2 (ja) | プロセス管理の支援装置、支援方法、支援プログラムおよびシステム | |
Martin et al. | Next generation controllers for kiln/cooler and mill applications based on model predictive control and neural networks | |
Unbehauen et al. | Application of MIMO-identification to a blast furnace | |
Minchala-Avila et al. | A comparative study of black-box models for cement quality prediction using input-output measurements of a closed circuit grinding | |
Trofimov et al. | Generalized structure of an intelligent control system for technological objects and experience of its use | |
CN116182564B (zh) | 一种烧结机点火炉智能控制系统 | |
Bag | ANN based prediction of blast furnace parameters | |
Linares et al. | Implementation of Artificial Intelligence Technology to Optimize Clinker Coolers | |
Hammer et al. | Practice Perspective: Learning from Case Research in the Cement and Ammonia Industry | |
Muravyova et al. | Development of a Neural Network for Controlling the Synthesis Process of the VS-1 Stabilizer and the Octophore-N Using a Virtual Analyzer |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220221 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220509 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20221115 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230116 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230328 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230529 |
|
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: 20230613 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230711 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20231006 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20231221 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240311 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7466823 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |