JP2021165414A - 炉況評価装置、炉況評価方法、及び炉況評価プログラム、並びに、学習済みモデルの生成方法 - Google Patents

Abstract

【課題】高炉の操業状況を容易に判断することを可能とする。【解決手段】炉況評価装置１は、ある時刻の高炉の操業状況を示す異なる操業変数の組であるデータセットが、異なる時刻について取得されており、当該複数のデータセットを複数の操業パターンにクラスタリングするクラスタリング部１５２と、異なる操業変数のそれぞれについて、操業パターン毎に個別代表値を決定する代表値決定部１５３と、個別代表値に基づいて、複数の操業変数のそれぞれの個別評価値を操業パターン毎に決定し、個別評価値または個別評価値を用いて操業パターン毎に算出される値をパターン評価値として決定する評価値決定部１５４と、新たに取得されたデータセットである対象データセットに含まれる複数の操業変数とパターン評価値との相関関係に基づいて対象データセットに対応する高炉の炉況を示す炉況値を決定する炉況値決定部１５６とを備える。【選択図】図８

Description

本発明は、高炉操業についての炉況評価装置、炉況評価方法、及び炉況評価プログラム、並びに、学習済みモデルの生成方法に関する。

高炉における連続操業においては、固体、液体、気体が共存して反応がダイナミックに進行している。また、高炉内で進行している反応には、吸熱反応と発熱反応とが存在しており、この相反する２種類の反応間での熱バランス、並びに、原材料の供給と還元反応による消費及び空間的な移動とのバランスであるマスバランスを調節しながら、高炉内の温度分布や原材料の量を所定の範囲に保つことが、安定して連続的に出銑するために必要である。したがって、高炉の操業を行う上で、炉況を正しく把握することは重要である。

古典的な品質管理手法として、
｜ｘ−μ｜＞３σ ・・・（式１）
を異常状態として管理する手法が普及している。ここで、ｘは炉況を示す各変数、μはその平均値、σはその分散値である。しかしながら、炉況の判断では、対象となる多数の変数について総合的な判断が要求されるため、このような手法を各変数に単純に適用するだけでは、異常を見逃す可能性がある。

したがって、従来は、熟練者の経験や主観により炉況について総合的な判断を下さざるを得なかった。近年、多変量解析手法、ＡＩ（Artificial Intelligence）等を用いて、熟練者の経験や主観を数値化して評価を行うことが試みられている。

（１）多変量解析手法
多変量解析とは、複数の変数（項目、属性、次元数）を持つデータ（多変量データ）を利用し、その変数間の相互の関係性を捉えるために用いられる統計的手法の総称であり、重回帰分析や判別分析、正準相関分析、主成分・因子分析、クラスタ分析、多次元尺度法、フェース分析、数量化分析、コンジョイント分析等の手法がある。複雑なデータが持つ傾向や特徴を要約したり、結果に影響する相関関係を明らかにして原因発見や推定・予測を行ったり、因果関係のモデル化等に有効とされている。

多変量解析の大きな問題点は、変数間の関係に線形性を仮定していることである。従来から知られているように、高炉の現象に関わる伝熱や反応は、温度や量に対して非線形の関係にある。ただし、操業が安定しており、微分的な操業、即ち操業変化が少ないときには、近似的に線形性を仮定して解析することが可能である。しかしながら、操業を大きく変えたときや、特に操業異常の際においては、線形性からの乖離が著しく、多変量解析を適用することは不可能である。

（２）ＡＩ（例えば、特許文献１〜４並びに非特許文献１及び２）
１９８０年代に、ＡＩを活用したエキスパートシステムが多くの高炉で構築され、適用された。エキスパートシステムとは、熟練者のノウハウをもとに操業を診断するシステムであり、ルールベースシステムが基本となる。即ち、高炉の操業に関するノウハウを専門家が整理し、ＩＦ−ＴＨＥＮルールとして定式化して知識ベースに格納しておき、操業上の問題が与えられると、推論エンジンにより知識ベースから適当なルールを実行して問題を解く。

しかしながら、現在、実際の高炉で利用されているエキスパートシステムの例は少ない。これには、二つの主な理由がある。一つは、ルール抽出の際に、専門家の持つ知識が用いられるが、当然に抜けや誤りがあること、もう一つは、ルール抽出時と操業の前提が変わったときに、ルールを改定する必要があることである。いずれにしても、ルールをメンテナンスする必要があるが、その保守と維持に非常にコストがかかる。さらには、高炉の自動化がある程度進んだため、ルールを抽出する専門家が存在しなくなったことも大きな要因である。

（３）過去事例検索システム（例えば、非特許文献３）
エキスパートシステムのこのような課題を改善するために、事例ベース推論（Case-based Reasoning、CBR）が提案された。事例ベース推論とは、過去の事例を用いて問題を解くという推論モデルである。過去の事例を用いるという点ではエキスパートシステムと似ているが、ＩＦ−ＴＨＥＮルールとして定式化することなく、過去の事例をそのまま格納する点で異なっている。
過去事例検索システム（例えば、ＬＯＭ（Large Scale Database-based Online Modeling））もこの考え方に立脚しており、過去の類似事例を事例ベースに則って検索するものである。

（４）可視化技術（例えば、非特許文献４）
炉況の判断を完全にコンピュータに行わせるには、現状では限界もある。したがって、コンピュータ処理は、多種多様なデータを適切に表現するに留めて、最終的な炉況の判断を人が行う際の補助として用いるという考え方もある。

特許第５８１０９８１号公報 特許第６１１９５１５号公報 特許第６３５０１５９号公報 特許第２９８２７１４号公報

中島、外６名、"人工知能を応用した高炉操業管理エキスパートシステムの開発と適用"、鉄と鋼、一般社団法人日本鉄鋼協会、１９８７年、第７３巻、第１５号、ｐｐ．２９８−３０５ 八木、外１名、"人工知能の高炉操業への適用"、日本鉄鋼協会講演論文集、一般社団法人日本鉄鋼協会、１９８９年、第２巻、ｐｐ．２−５ 伊藤、外６名、"高炉操業における大規模データベースオンラインモデリング"、鉄と鋼、一般社団法人日本鉄鋼協会、２００４年、第９０巻、第１１号、ｐｐ．５９−６６ 松崎、外７名、"高炉操業の可視化方法の開発"、新日鉄技報、新日鐵住金株式会社、２００６年、第３８４号、ｐｐ．８９−９４

過去の事例を検索することは、事例ベース推論を用いることにより可能となる。しかしながら、過去の事例をいつ検索すべきか、また、その結果をいつ注視すべきか、つまり、現在が良い状況なのか、悪い状況なのかを判断することは、依然として困難である。

本発明は、このような課題を解決すべくなされたものであり、高炉の操業状況を容易に判断することを可能とする炉況評価装置、その制御方法、及びその制御プログラムを提供することを目的とする。

このような課題を解決する本発明は、以下に示す炉況評価装置、炉況評価方法、及び炉況評価プログラム、並びに、学習済みモデルの生成方法を要旨とするものである。
（１）ある時刻の高炉の操業状況を示す異なる操業変数の組であるデータセットが、異なる時刻について取得されており、当該複数のデータセットを複数の操業パターンにクラスタリングするクラスタリング部と、
異なる操業変数のそれぞれについて、操業パターン毎に個別代表値を決定する代表値決定部と、
個別代表値に基づいて、複数の操業変数のそれぞれの個別評価値を操業パターン毎に決定し、個別評価値または個別評価値を用いて操業パターン毎に算出される値をパターン評価値として決定する評価値決定部と、
新たに取得されたデータセットである対象データセットに含まれる複数の操業変数とパターン評価値との相関関係に基づいて対象データセットに対応する高炉の炉況を示す炉況値を決定する炉況値決定部と、
を備えることを特徴とする炉況評価装置。
（２）評価値決定部は、パターン評価値として個別評価値の平均値である評価平均値を操業パターン毎に算出する、（１）に記載の炉況評価装置。
（３）クラスタリング部は、対象データセットを複数の操業パターンの何れか１つに分類し、
炉況値決定部は、対象データセットが分類された操業パターンのパターン評価値である評価平均値を炉況値に決定する、（２）に記載の炉況評価装置。
（４）炉況値決定部は、各操業パターンのパターン評価値である各評価平均値、及び、各操業パターンのクラスタ重心位置と対象データセットとのユークリッド距離を用いて、炉況値を決定する、（２）に記載の炉況評価装置。
（５）炉況値決定部は、対象データセットに含まれる複数の操業変数のそれぞれと、各操業パターンの対応する個別代表値との間の相関関係に応じて、対象データセットに含まれる操業変数のそれぞれに対応する変数評価値を算出し、変数評価値の平均値を炉況値に決定する、（１）に記載の炉況評価装置。
（６）炉況値に基づいて高炉の炉況を判定し、判定された高炉の炉況を示す炉況情報として記憶する炉況判定部と、
炉況情報を出力する炉況情報出力部と、
をさらに備えることを特徴とする（１）〜（５）の何れか一つに記載の炉況評価装置。
（７）炉況判定部は、
炉況値と、対象データセットより前の時刻に取得された過去データセットに対応する炉況値である過去炉況値とを比較し、
過去炉況値からの炉況値の減少量が減少しきい値以下であると判定したときに、高炉の炉況が正常であることを示す炉況情報を記憶し、
過去炉況値からの炉況値の減少量が減少しきい値超であると判定したときに、高炉の炉況が正常ではないことを示す炉況情報を記憶する、（６）に記載の炉況評価装置。
（８）炉況判定部は、
過去炉況値からの炉況値の減少量が減少しきい値超であり、且つ、炉況値が炉況しきい値以上であると判定したときに、高炉の炉況が異常になる可能性があることを示す炉況情報を記憶し、
過去炉況値からの炉況値の減少量が減少しきい値超であり、且つ、炉況値が炉況しきい値未満であると判定したときに、高炉の炉況が異常であることを示す炉況情報を記憶する、（７）に記載の炉況評価装置。
（９）炉況判定部は、
炉況値が炉況しきい値以上であるか否かを判定し、
炉況値が炉況しきい値以上であると判定したときに、高炉の炉況が正常であることを示す炉況情報を記憶し、
炉況値が炉況しきい値未満であると判定したときに、高炉の炉況が異常であることを示す炉況情報を記憶する、（６）に記載の炉況評価装置。
（１０）評価値決定部は、操業変数毎に規定された点数化規則に基づいて、個別評価値を決定する、（１）〜（９）の何れか一つに記載の炉況評価装置。
（１１）複数のデータセットが所望の操業パターンにクラスタリングされたか否かを判定するクラスタリング判定部を更に有する、（１）〜（１０）の何れか一つに記載の炉況評価装置。
（１２）クラスタリング部は、それぞれが複数の操業パターンの何れかに関連付けられたテスト用のデータセットである複数のテストデータセットのそれぞれを複数の操業パターンの何れか１つに分類し、
クラスタリング判定部は、複数のテストデータセットが分類された操業パターンと、テストデータセットが関連付けられた操業パターンと、の一致度に応じて、複数のデータセットが所望の操業パターンにクラスタリングされたか否かを判定する、（１１）に記載の炉況評価装置。
（１３）クラスタリング判定部は、複数の操業パターンのそれぞれに分類されたテストデータセットの数と、複数の操業パターンのそれぞれに関連付けられたテストデータセットの数の一致度に応じて、複数のデータセットが所望の操業パターンにクラスタリングされたか否かを判定する、（１２）に記載の炉況評価装置。
（１４）クラスタリング部は、それぞれが高炉の炉況の良否を示す順位に関連付けられたテスト用のデータセットである複数のテストデータセットのそれぞれを複数の操業パターンの何れか１つに分類し、
炉況値決定部は、複数のテストデータセットのそれぞれの炉況値を決定し、
クラスタリング判定部は、複数のテストデータセットのそれぞれに関連づけられた順位と、複数のテストデータセットの炉況値の順番の一致度に応じて、複数のデータセットが所望の操業パターンにクラスタリングされたか否かを判定する、（１１）に記載の炉況評価装置。
（１５）複数のデータセットが所望の操業パターンにクラスタリングされていないと判定されたときに、クラスタリング部がクラスタリングを実行するときの設定であるクラスタリング設定を変更するクラスタリング修正部を更に有し、
クラスタリング部は、変更されたクラスタリング設定により複数のデータセットを再度クラスタリングする、（１１）〜（１４）の何れか一つに記載の炉況評価装置。
（１６）クラスタリング設定は、クラスタリング部がクラスタリングするときの手法であるクラスタリング手法及びクラスタリング部がクラスタリングするときの条件であるクラスタリング条件の少なくとも一方を含む、（１５）に記載の炉況評価装置。
（１７）クラスタリング設定は、複数のデータセットに含まれる操業変数の種類及び数の少なくとも一方を含む、（１５）又は（１６）に記載の炉況評価装置。
（１８）クラスタリング設定は、クラスタリング部によってクラスタリングされる操業パターンの数を含む、（１５）〜（１７）の何れか一つに記載の炉況評価装置。
（１９）ある時刻の高炉の操業状況を示す異なる操業変数の組であるデータセットが、異なる時刻について取得されており、当該複数のデータセットを複数の操業パターンにクラスタリングするクラスタリング工程と、
異なる操業変数のそれぞれについて、操業パターン毎に個別代表値を決定する代表値決定工程と、
個別代表値に基づいて、複数の操業変数のそれぞれの個別評価値を操業パターン毎に決定し、個別評価値または個別評価値を用いて操業パターン毎に算出される値をパターン評価値として決定する評価値決定工程と、
新たに取得されたデータセットである対象データセットに含まれる複数の操業変数とパターン評価値との相関関係に基づいて対象データセットに対応する高炉の炉況を示す炉況値を決定する炉況値決定工程と、
を備えることを特徴とする炉況評価方法。
（２０）炉況値に基づいて、高炉の炉況を判定し、判定された高炉の炉況を示す炉況情報として記憶する炉況判定工程と、
炉況情報を出力する炉況情報出力工程と、
をさらに備えることを特徴とする（１９）に記載の炉況評価方法。
（２１）ある時刻の高炉の操業状況を示す異なる操業変数の組であるデータセットが、異なる時刻について取得されており、当該複数のデータセットを複数の操業パターンにクラスタリングするクラスタリング工程と、
異なる操業変数のそれぞれについて、操業パターン毎に個別代表値を決定する代表値決定工程と、
個別代表値に基づいて、複数の操業変数のそれぞれの個別評価値を操業パターン毎に決定し、個別評価値または個別評価値を用いて操業パターン毎に算出される値をパターン評価値として決定する評価値決定工程と、
新たに取得されたデータセットである対象データセットに含まれる複数の操業変数とパターン評価値との相関関係に基づいて対象データセットに対応する高炉の炉況を示す炉況値を決定する炉況値決定工程と、
をコンピュータに実行させることを特徴とする炉況評価プログラム。
（２２）炉況値に基づいて高炉の炉況を判定し、判定された高炉の炉況を示す炉況情報として記憶する炉況判定工程と、
炉況情報を出力する炉況情報出力工程と、
をさらにコンピュータに実行させることを特徴とする（２１）に記載の炉況評価プログラム。
（２３）新たに取得されたデータセットである対象データセットに対応する高炉の炉況を示す炉況値を、対象データセットに含まれる複数の操業変数と、予め用意された複数の操業パターンのパターン評価値と、の相関関係に基づいて決定するよう、コンピュータを機能させるための学習済みモデルの生成方法であって、
ある時刻の高炉の操業状況を示す異なる操業変数の組であるデータセットが、異なる時刻について取得されており、当該複数のデータセットを複数の操業パターンにクラスタリングするクラスタリング工程と、
異なる操業変数のそれぞれについて、操業パターン毎に個別代表値を決定する代表値決定工程と、
個別代表値に基づいて、複数の操業変数のそれぞれの個別評価値を操業パターン毎に決定し、個別評価値または個別評価値を用いて操業パターン毎に算出される値をパターン評価値として決定する評価値決定工程と、
を備えることを特徴とする学習済みモデルの生成方法。

本発明に係る炉況評価装置、その制御方法、及びその制御プログラム、並びに、学習済みモデルの生成方法は、上述のような課題を解決しつつ高炉の操業管理に適用可能な手法として、複数の操業変数を総括して単一の指標に定量化して評価することを可能とする。また、当該単一の指標に基づいて高炉の操業状況を判定し、その結果を表示することにより、高炉の操業状況を容易に判断することを可能とする。

高炉の概略構成を説明する図である。 高炉の操業状況を評価する実施形態に係る炉況評価システムの概略構成の一例を示す図である。 図２に示す炉況評価装置の概略構成の一例を示す図である。 データセット管理テーブルのデータ構造の一例を示す図である。 図３に示す炉況評価装置により実行される評価値決定処理のフローチャートである。 炉況評価に利用可能な操業変数の一例を示す図である。 ｋ−ｍｅａｎｓ法によるクラスタリングを説明する図である。 操業パターンの評価平均値（パターン評価値）の一算出例を示す図である。 操業パターンの数が５である操業パターン管理テーブルの一例を示す図である。 図３に示す炉況評価装置により実行される炉況判定処理のフローチャートである。 実施形態において、炉況情報が入力された表示部に表示される画像の一例を示す図である。 変形例２に係る炉況判定処理のフローチャートである。 ２つの操業パターンの個別代表値を使用して変数評価値を算出する方法を説明するための図である。 （ａ）は変数評価値の決定方法の第１変形例を説明するための図であり、（ｂ）は変数評価値の決定方法の第２変形例を説明するための図である。 変形例３に係る炉況判定処理のフローチャートである。 変形例３において、炉況情報が入力された表示部に表示される画像の一例を示す図である。 変形例４に係る炉況評価装置の概略構成の一例を示す図である。 変形例４に係る評価値決定処理のフローチャートである。 変形例４に係る炉況評価装置による分類結果の評価の一例を示す図である。 変形例５に係る評価値決定処理のフローチャートである。 変形例６に係る炉況評価システムの概略構成の一例を示す図である。 変形例６に係る評価値決定装置の概略構成の一例を示す図である。 変形例６に係る評価値決定処理のフローチャートである。 変形例６に係る炉況判定装置の概略構成の一例を示す図である。 変形例７に係る炉況判定処理のフローチャートである。 変形例７に係る炉況判定処理において、炉況情報が入力された表示部に表示される画像の一例を示す図である。

以下、図面を参照しつつ、本発明の様々な実施形態について説明する。ただし、本発明の技術的範囲はそれらの実施形態に限定されず、特許請求の範囲に記載された発明とその均等物に及ぶ点に留意されたい。

実施形態に係る炉況評価装置は、過去に高炉から取得された複数のデータセットに基づいて、複数の操業パターンを作成し、その操業状況の良否を示すパターン評価値を予め算出しておく。実施形態に係る炉況評価装置は、高炉から新たにデータセットが取得された場合に、複数の操業変数とパターン評価値の相関関係に基づいてデータセットに対応する炉況を示す炉況値を決定する。

図１は、高炉の概略構成を説明する図である。

高炉は、円筒の徳利形状を有する竪型炉の一種であり、炉頂部から供給される原料と、高炉の下方に設けられた羽口から供給される熱風により生成される還元性ガスとが反応する反応装置として機能する。

炉頂部から供給される原料としては、主に、鉄鉱石や焼結鉱（以下、これらをまとめて「鉄鉱石」と称する。）等の鉄酸化物、コークス、石灰石等がある。鉄鉱石は、高炉における反応で生成される銑鉄の鉄源となるものであり、コークスは、鉄鉱石の還元剤及び原料を溶解するための熱源として機能するだけでなく、高炉内の通気性を保持する役割を有している。また、石灰石は、鉄鉱石の脈石成分と反応して低溶融点を持ち流動性のよいスラグを生成するために添加される媒溶剤として機能する。

高炉の内部では、鉄鉱石（及び、石灰石）からなる層と、コークスからなる層とが交互に積層されている。これらの原料は、積層状態を維持しつつ、高炉の下方へと移動していく。

また、羽口からは、熱風と、コークスの補完還元剤として機能する微粉炭とが供給され、この熱風により微粉炭やコークスがガス化して、一酸化炭素や水素等からなる高温の還元性ガスが生成される。この高温の還元性ガスは、炉内を移動する上昇気流となって炉頂部へと吹き昇っていく。この還元性ガスにより炉内の鉄鉱石は還元されていき（間接還元）、さらに、還元性ガスが有する熱により固体から液体へと変化する。液体となった鉄分は、コークス層内を滴下しながらコークスの炭素によりさらに還元され（直接還元）、炭素を５％程度含む溶銑となる。

融着帯は、半溶融状態にある鉄分の間に固体コークスがスリット状に存在している部分であり、主にこの融着帯において、上述のような鉄分の相変化が生じている。

このように、高炉という反応装置では、固体、液体、及び気体が共存して反応がダイナミックに進行している。また、高炉内で進行している反応には、吸熱反応と発熱反応とが存在しているため、この相反する２種類の反応間での熱バランス及びマスバランスを調節しながら、銑鉄を製造する操業が行われている。

図２は、高炉の操業状況を評価する実施形態に係る炉況評価システム１００の概略構成の一例を示す図である。

炉況評価システム１００は、高炉１０１と、高炉１０１及び高炉１０１の近傍に設置され、高炉１０１の操業状況を示す操業変数をそれぞれが検出する各種のセンサ１０２と、炉況評価装置１とを含む。

各種のセンサ１０２は、高炉１０１の操業状況を示す操業変数を含む高炉１０１に関する各種のデータを測定する。各種のセンサ１０２として、例えば、高炉（羽口）に供給される熱風の送風量、送風温度、送風湿分、送風圧力等を測定すると共に、その時間変動を算出する各種のセンサ、炉頂部の気体の圧力を測定すると共に、送風圧力との差から通気抵抗指数（Ｋ値）を算出する圧力センサ、出銑口から排出された溶銑の温度を測定すると共に、その時間変動を算出する温度計、直接還元に要した炭素の量（ｋｇ）を測定して溶銑１ｔあたりの量（ソリューションロスカーボン量）を算出すると共に、その時間変動を算出する測定装置、冷却水の給水圧力、給排水流量、給水温度、排水温度等を測定すると共に、給水温度及び排水温度に基づいて炉内から抜熱した熱量（炉体総合熱負荷）を算出する各種のセンサ等を挙げることができる。
なお、通気抵抗指数（Ｋ値）は、次式で与えられる。

ここで、Ｐｂは送風圧力（ｇ／ｃｍ²）、Ｐｔは炉頂圧力（ｇ／ｃｍ²）、Ｖｂはボッシュガス量（Ｎｍ³／ｍｉｎ）である。また、各種のデータの時間変動等は、各種のセンサ１０２ではなく、炉況評価装置１において算出されてもよい。

なお、各種のセンサ１０２は、これらに限定されるものではなく、これら以外にも、例えば、高炉に装入される各種の原料を秤量する秤量センサ、装入された原料の高さを測定する測定装置、高炉の炉壁や炉床等の各部位の温度の分布を測定する温度計、銑鉄中Ｓｉ量、銑鉄中Ｓ量、スラグ組成、炉頂ガス成分等を特定する各種の分析装置等を挙げることができる。

各種のセンサ１０２により測定された各種のデータは、操業変数として炉況評価装置１に出力され、炉況評価装置１において、操業変数のそれぞれの個別評価値の決定処理、及び高炉の炉況の判定処理等に利用される。

（実施形態に係る炉況評価装置の構成及び機能）
図３は、炉況評価装置１の概略構成の一例を示す図である。

炉況評価装置１は、記憶部１２に予め記憶されているプログラムに基づいて、同じく記憶部１２に記憶されているデータ及び／又は不図示の他の装置に記憶されているデータを参照し、各種の処理を実行する。また、炉況評価装置１は、オペレータにより操作部１３を介して入力された指示に応じて各種の処理を実行し、その結果を表示部１４に出力する。そのために、炉況評価装置１は、通信部１１と、記憶部１２と、操作部１３と、表示部１４と、処理部１５とを備える。

通信部１１は、炉況評価装置１を不図示のネットワークに接続するための通信インターフェース回路を備える。そして、通信部１１は、不図示の他の装置からネットワークを介して受信したデータを、処理部１５に供給する。また、通信部１１は、処理部１５から供給されたデータを、ネットワークを介して他の装置に送信する。

記憶部１２は、例えば、半導体メモリ、磁気ディスク装置、及び光ディスク装置のうちの少なくともいずれか一つを備える。記憶部１２は、処理部１５での処理に用いられるオペレーティングシステムプログラム、ドライバプログラム、アプリケーションプログラム、データ等を記憶する。例えば、記憶部１２は、ドライバプログラムとして、操作部１３を制御する入力デバイスドライバプログラム、表示部１４を制御する出力デバイスドライバプログラム等を記憶する。また、記憶部１２は、アプリケーションプログラムとして、操業パターンに含まれる操業変数の個別評価値を決定するアプリケーションプログラム、高炉の炉況を判定するアプリケーションプログラム等を記憶する。また、記憶部１２は、データとして、各時刻において各種のセンサ１０２から取得した各種のデータ（操業変数）をまとめてデータセットとして管理するデータセット管理テーブル（図４）、過去の複数時刻におけるデータセットを分類して作成される操業パターンを管理する操業パターン管理テーブル（図９）等を記憶する。さらに、記憶部１２は、所定の処理に係る一時的なデータを一時的に記憶してもよい。

図４は、データセット管理テーブルのデータ構造の一例を示す図である。

データセット管理テーブルは、例えば１〜１０分毎にセンサ１０２から入力される複数の操作変数をそれぞれが含む各データセットについて、当該データセットの識別番号（ＩＤ）、データセットが取得された時刻、データセットに含まれる複数の操業変数を含む。また、後述する炉況判定処理が実行されたデータセットは、操業状況の良否を示す炉況値及び炉況値に応じた評価（炉況判定結果）等を更に含む。

操作部１３は、炉況評価装置１の操作が可能であればどのようなデバイスでもよく、例えば、キーボード、タッチパッド等である。オペレータは、操作部１３を介して文字、数字等を入力することができる。操作部１３は、オペレータにより操作されると、その操作に対応する信号を発生する。そして、発生した信号は、オペレータの指示として、処理部１５に供給される。

表示部１４は、映像、画像、文字等の表示が可能であればどのようなデバイスでもよく、例えば、液晶ディスプレイ、有機ＥＬ（Electro−Luminescence）ディスプレイ等である。表示部１４は、処理部１５から供給された映像データに応じた映像、画像データに応じた画像、文字データに応じた文字等を表示する。

処理部１５は、一又は複数個のプロセッサ及びその周辺回路を備える。処理部１５は、炉況評価装置１の全体的な動作を統括的に制御するものであり、例えば、ＣＰＵ（Central Processing Unit）である。処理部１５は、炉況評価装置１の各種の処理が記憶部１２に記憶されているプログラム、操作部１３の操作等に応じて適切な手順で実行されるように、通信部１１、表示部１４等の動作を制御する。処理部１５は、記憶部１２に記憶されているプログラム（オペレーティングシステムプログラム、ドライバプログラム、アプリケーションプログラム等）に基づいて処理を実行する。また、処理部１５は、複数のプログラム（アプリケーションプログラム等）を並列に実行することができる。

処理部１５は、データセット取得部１５１と、クラスタリング部１５２と、代表値決定部１５３と、評価値決定部１５４と、対象データセット取得部１５５と、炉況値決定部１５６と、炉況判定部１５７と、炉況情報出力部１５８とを備える。これらの各部は、処理部１５が備えるプロセッサで実行されるプログラムにより実現される機能モジュールである。あるいは、これらの各部は、ファームウェアとして炉況評価装置１に実装されてもよい。

（実施形態に係る炉況評価装置による評価値決定処理）
図５は、炉況評価装置１により実行される評価値決定処理のフローチャートである。図５に示す評価値決定処理は、予め記憶部１２に記憶されているプログラムに基づいて、主に処理部１５により炉況評価装置１の各要素と協働して実行される。図５に示す評価値決定処理を実行することにより、新たに取得されたデータセットである対象データセットに対応する高炉の炉況を示す炉況値を決定するよう、コンピュータを機能させるための学習済みモデルが生成される。生成された学習済みモデルによって、コンピュータは、対象データセットに含まれる複数の操業変数と、予め用意された複数の操業パターンのパターン評価値との相関関係に基づいて炉況値を決定するように機能する。

オペレータにより操作部１３を介して、評価値決定処理を行うアプリケーションプログラムの実行が指示された場合に、炉況評価装置１は、このプログラムに基づいて処理を開始する。即ち、データセット取得部１５１は、種々のセンサにより検出された異なる操業変数の組であるデータセットを、複数の時刻について複数のデータセットとして取得する（Ｓ１０１）。即ち、データセット取得部１５１は、記憶部１２に記憶されているデータセット管理テーブルを参照し、過去の複数時刻（例えば、過去１年間）におけるデータセットを抽出する。

図６は、炉況評価に利用可能な操業変数の一例を示す図である。

図６に示されるように、操業変数には、主に、通気状況を表現するもの、還元状況を表現するもの、及び炉熱状況を表現するものがある。また、それぞれについて、主に、炉全体について平均的に表現するもの、時間変動を表現するもの、及び空間変動を表現するものがある。ここで、通気抵抗指数（Ｋ値）、送風圧力変動、ソリューションロスカーボン量、溶銑温度、及び炉体総合熱負荷については、上述のとおりである。また、各羽口送風量は各羽口の送風量、シャフト圧力は高炉のシャフト部の炉壁に設置された孔での圧力、排ガスηCOは炉頂ガスの（ＣＯ％＋ＣＯ₂％）に対するＣＯ₂％の比率、η_CO分布は炉内ガスの（ＣＯ％＋ＣＯ₂％）に対するＣＯ₂％の比率の炉径方向の分布、溶銑中Ｓｉ含有量は溶銑に含有されるＳｉの濃度である。

なお、図６に示される各操業変数には、その特性に応じて、記号△、▽、又は∧が付与されている。記号△は、数値が大きいほうが好ましいもの、記号▽は、数値が小さいほうが好ましいもの、記号∧は、最適値が存在するものを示す。このような特性に応じて、点数化規則が規定されることになる。なお、具体的な点数化規則については後述する。

これらの操業変数から、通気状況、還元状況、及び炉熱状況を平均的に表現するものを選択し、さらに、それぞれの時間変動及び／又は空間変動を表現するものを選択してもよい。

データセット取得部１５１は、取得した複数のデータセットのうち、外れ値を含むものを除去してもよい。例えば、データセット取得部１５１は、取得した複数のデータセットについて、操業変数毎に、数値範囲
ｍｅｄｉａｎ（ｘ）±ｃＭＡＤ（ｘ） ・・・（式３）
に属さない数値を特定し、特定した数値を含むデータセットを除去してもよい。ここで、ｘは操業変数、ｃは２〜３程度の定数、ｍｅｄｉａｎ（ｘ）はｘの中央値、ＭＡＤ（ｘ）は
ｍｅｄｉａｎ（｜ｘ−ｍｅｄｉａｎ（ｘ）｜） ・・・（式４）
である。
なお、数値範囲は、これに限定されるものではなく、これ以外のものでもよい。例えば、数値範囲は、操業変数の平均値及び分散値に基づくものでもよい。

次いで、クラスタリング部１５２は、Ｓ１０１の処理で取得した複数のデータセットを複数の操業パターンにクラスタリングする（Ｓ１０２）。即ち、クラスタリング部１５２は、異なる時刻において複数のセンサから取得された複数の操業変数の組である複数のデータセットを、複数の操業パターンにクラスタリングする。クラスタリング部１５２は、取得した複数のデータセットを分類対象の集合とし、この集合をｋ−ｍｅａｎｓ法を用いて内的結合及び外的分離が達成されるような部分集合（クラスタ）に分割する。
なお、クラスタリング手法は、これに限定されるものではなく、これ以外のものでもよい。例えば、クラスタリング手法は、ｋ−ｍｅａｎｓ法以外の非階層型クラスタリング手法でもよく、凝集法等の階層型クラスタリング手法でもよい。

非階層型クラスタリング手法とは、一般に、分割の良否の評価関数を定め、この評価関数を最適化する分割を探索する手法である。非階層型クラスタリング手法の一つであるｋ−ｍｅａｎｓ法は、評価関数

を最小化するように、ｋ個のクラスタを分割する。ここで、ｘは分類対象、Ｃ_iはクラスタ、ｃ_iはクラスタＣ_iの重心、ｄ（ｘ, ｃ_i）はユークリッド距離である。

図７は、ｋ−ｍｅａｎｓ法によるクラスタリングを説明する図である。

最適解の探索は、分類対象のクラスタへの割り当てと、クラスタの重心の再計算とを交互に繰り返すことにより行う。具体的には、図７における白丸を分類対象として、
（１）分類対象の中からｋ個の分類対象を無作為に選択し、クラスタの重心ｃ₀とする（図７（ａ）、（ｂ））。
（２）各分類対象について、ｋ個の重心ｃ₀とのユークリッド距離をそれぞれ算出し、最も近い重心ｃ₀に係るクラスタに割り当てる（図７（ｃ））。
（３）各クラスタについて、重心ｃを再計算する。
（４）各分類対象について、ｋ個の重心ｃとのユークリッド距離をそれぞれ算出し、最も近い重心ｃに係るクラスタに割り当てる（図７（ｄ））。
（５）各クラスタの重心ｃの位置がほぼ定まり、収束判定条件を満たすまで、（３）、（４）を繰り返す。

代表値決定部１５３は、複数のデータセットをクラスタリングした操業パターン毎に、複数の操業変数のそれぞれについて個別代表値を決定する（Ｓ１０３）。代表値決定部１５３は、操業パターンのそれぞれにクラスタリングされたデータセットに含まれる操業変数毎に、操業変数の平均値を算出し、算出した操業変数の平均値を操業変数の個別代表値に決定する。なお、個別代表値は、操業変数を代表する値であればよく、例えば操業変数の中央値、又は最頻値でもよい。

次いで、評価値決定部１５４は、複数の操業パターンのそれぞれについて、操業変数毎に、対応する点数化規則に従って、算出した個別代表値を点数化して、個別評価値を決定する（Ｓ１０４）。個別評価値を決定するときに使用される点数化規則は、例えば、操業パターンの数がｋである場合に、数値の大きなものからｋ点、（ｋ−１）点、・・・、１点とする規則であってもよく、数値の小さなものからｋ点、（ｋ−１）点、・・・、１点とする規則であってもよい。
なお、点数化規則は、これらに限定されるものではなく、これら以外のものでもよい。例えば、点数化規則は、数値の平均的なものからｋ点、（ｋ−１）点、・・・、１点とするものでもよい。

そして、評価値決定部１５４は、複数の操業パターンのそれぞれについて、操業変数毎に算出した個別評価値または個別評価値を用いて算出される値をパターン評価値として決定する。具体的には、個別評価値の平均値を算出し、対応する操業パターンのパターン評価平均値とする（Ｓ１０５）。そして、評価値決定部１５４は、記憶部１２に記憶されている操業パターン管理テーブルを参照し、算出した操業変数ごとの複数の個別代表値及び複数の個別評価値を格納し、一の評価平均値（パターン評価値）を格納して、評価値決定処理は終了する。なお、パターン評価値は評価平均値に限定されず、例えば操業変数の種類に応じて個別評価値に重みづけした、重み付き評価平均値であってもよい。なおまた、高炉１０１の炉況を示す炉況値を決定するときに、評価平均値を使用しない場合には、Ｓ１０５の処理は省略されてもよい。すなわち、複数の個別評価値そのものをパターン評価値として決定しておいてもよい。

図８は、操業パターンの評価平均値の一算出例を示す図である。図８には、操業変数ｖ₁〜ｖ₃を含むデータセットＤＳ₁〜ＤＳ₆が操業パターンＣ₁〜Ｃ₃に分類された例が示されている。

まず、各操業パターンＣ_iについて、操業変数ｖ_j毎に、平均値が個別代表値として算出される。例えば、操業パターンＣ₁について、操業変数ｖ₃は、データセットＤＳ₁では「１」、データセットＤＳ₄では「１」であるため、操業変数ｖ₃の平均値である個別代表値は「１」と算出される（図８（ａ））。同様に、操業パターンＣ₁について、操業変数ｖ₂の個別代表値は「１．５」、操業変数ｖ₁の個別代表値は「１」と算出される。

次に、操業パターンＣ₁〜Ｃ₃について、操業変数ｖ_j毎に、対応する点数化規則に従って、算出した個別代表値が点数化されて個別評価値が決定される。例えば、操業変数ｖ₃について、対応する点数化規則が数値の小さなものから３点、２点、１点とするものとすると、操業変数ｖ₃の個別代表値は、操業パターンＣ₁では「１」、操業パターンＣ₂では「２」、操業パターンＣ₃では「３」であるため、操業パターンＣ₁では、操業変数ｖ₃の個別評価値は「３」に決定される（図８（ｂ））。同様に、操業変数ｖ₂、ｖ₁について、対応する点数化規則が操業変数ｖ₃と同様のものとすると、操業パターンＣ₁では、操業変数ｖ₂の個別評価値は「２」、操業変数ｖ₁の個別評価値は「２」と算出される。

そして、各操業パターンＣ_iについて、算出された個別評価値の平均値が算出され、対応する操業パターンの評価平均値（パターン評価値）とされる。例えば、操業パターンＣ₁について、各操業変数ｖ_iの個別評価値は、操業変数ｖ₃が「３」、操業変数ｖ₂が「２」、操業変数ｖ₁が「２」であるため、対応する操業パターンＣ₁の評価平均値（パターン評価値）は「２．３」と算出される（図８（ｃ））。同様に、操業パターンＣ₂の評価平均値（パターン評価値）は「２」、操業パターンＣ₃の評価平均値（パターン評価値）は「１．７」と算出される。

図９は、操業パターンの数が５である操業パターン管理テーブルの一例を示す図である。

図９に示す操業パターン管理テーブルは、３年分の１分データを使用し、操業変数は、通気抵抗指数（Ｋ値）、送風圧力変動、ソリューションロスカーボン量、溶銑温度、及び炉体総合熱負荷を選択した。なお、本発明の実施に際して選択されるデータは、これらに限定されるものではなく、これら以外のものでもよい。

図９には、各操業パターンＣ_iにおける各操業変数の個別代表値及び個別評価値、並びに各操業パターンＣ_iの評価平均値が示されている。評価値決定部１５４は、操業変数毎に規定された点数化規則に基づいて、個別評価値を決定する。なお、各操業変数の個別評価値を決定するときの点数化規則は、以下のものとした。
通気抵抗指数（Ｋ値） ：数値の小さなものから５点、４点、・・・、１点
送風圧力変動 ：数値の小さなものから５点、４点、・・・、１点
ソリューションロスカーボン：数値の小さなものから５点、４点、・・・、１点
溶銑温度 ：数値の大きなものから５点、４点、・・・、１点
炉体総合熱負荷 ：数値の小さなものから５点、４点、・・・、１点
図９に示す操業パターン管理テーブルは、操業パターンＣ₁に属する操業状況が最も好ましいことを示す。

（実施形態に係る炉況評価装置による炉況判定処理）
図１０は、炉況評価装置１により実行される炉況判定処理のフローチャートである。図１０に示す炉況判定処理は、予め記憶部１２に記憶されているプログラムに基づいて、主に処理部１５により炉況評価装置１の各要素と協働して実行される。

まず、対象データセット取得部１５５は、各種のセンサ１０２から通信部１１を介して、各種のデータ（操業変数）を取得し、取得した各種のデータをまとめて対象データセットとして取得し（Ｓ２０１）、取得した時刻と共に記憶部１２に格納する。即ち、対象データセット取得部１５５は、取得した各種のデータから所定のものを選択する。そして、対象データセット取得部１５５は、記憶部１２に記憶されているデータセット管理テーブルを参照し、選択した各種のデータをデータセットとして、取得した時刻と共に格納する。

クラスタリング部１５２は、Ｓ１０２の処理と類似の処理を実行して、Ｓ２０１の処理で取得した対象データセットを複数の操業パターンの何れか１つに分類する（Ｓ２０２）。

次いで、炉況値決定部１５６は、対象データセットが分類された操業パターンに応じて炉況値を決定する。具体的には、操業パターンに関連付けて記憶された評価平均値（パターン評価値）を炉況値に決定することができる（Ｓ２０３）。炉況値決定部１５６は、Ｓ２０２の処理で分類された操業パターンの評価平均値に基づいて、取得した対象データセットの炉況値を決定する。即ち、炉況値決定部１５６は、Ｓ２０２の処理で分類された操業パターンのＩＤをキーとして、記憶部１２に記憶されている操業パターン管理テーブルを参照し、対応する操業パターンの評価平均値を抽出し、抽出した評価平均値を炉況値に決定する。
なお、炉況値の決定方法は上記に限定されず、炉況値決定部１５６は、例えば各操業パターンのパターン評価値である各評価平均値、及び、各操業パターンのクラスタ重心位置と対象データセットとのユークリッド距離を用いて、炉況値を決定することができる。このとき、対象データセットを複数の操業パターンの何れか１つに分類すること（Ｓ２０２）は必須ではない。

炉況値決定部１５６は、各操業パターンのクラスタ重心位置と対象データセットとのユークリッド距離を算出する。次いで、例えば炉況値決定部１５６は、算出したユークリッド距離の中で、最も短いユークリッド距離に対応する操業パターンを抽出し、操業パターン管理テーブルを参照して、抽出された操業パターンに関連付けられた評価平均値を、対象データセットの炉況値に決定することができる。また例えば炉況値決定部１５６は、各操業パターンのクラスタ重心位置に対して算出したユークリッド距離に応じ、各操業パターンに関連付けられた評価平均値を要素内補間することによって対象データセットの炉況値を決定することができる。具体的には、２つのクラスタ重心位置の間に対象データセットが位置する場合は２つのクラスタ重心からなる線分間で線形補間し、３つのクラスタ重心位置の間に対象データセットが位置する場合は３つのクラスタ重心からなる三角形間で線形補間し、４つのクラスタ重心位置の間に対象データセットが位置する場合は４つのクラスタ重心からなる四面体間で線形補間することができる。

炉況判定部１５７は、炉況値に基づいて、高炉１０１の炉況を判定し、判定された高炉の炉況を示す炉況情報として記憶する。本実施形態では、炉況判定部１５７は、炉況値と、対象データセットより前の時刻に取得された過去データセットに対応する炉況値である過去炉況値とを比較する（Ｓ２０４）。

具体的には、炉況判定部１５７は、過去炉況値からの炉況値の減少量が減少しきい値以下であるか否かを判定する。Ｓ２０１の処理で取得された対象データセットのデータセットＩＤをキーとして、記憶部１２に記憶されているデータセット管理テーブルを参照し、例えば対応するデータセットの直前時刻におけるデータセットの炉況値を過去炉況値として抽出する。

炉況判定部１５７は、過去炉況値からの炉況値の減少量に基づいて炉況値の良否を判定するが、減少量は単純に差分のみではなく、減少率などを含む概念である。

炉況判定部１５７は、過去炉況値からの炉況値の減少量が減少しきい値以下であると判定した（Ｓ２０４−ＹＥＳ）ときに、高炉の炉況が正常であることを示す炉況情報を記憶する（Ｓ２０５）。一方、炉況判定部１５７は、過去炉況値からの炉況値の減少量が減少しきい値超であると判定した（Ｓ２０４−ＮＯ）とき、高炉の炉況が正常ではない、すなわち異常であることを示す炉況情報を記憶する（Ｓ２０６）。

そして、炉況情報出力部１５８は、炉況情報を表示部１４に出力する（Ｓ２０７）。即ち、炉況情報出力部１５８は、記憶部１２に記憶されているデータセット管理テーブルを参照し、過去の複数時刻（例えば、過去３日間）におけるデータセットを特定し、特定したデータセットの炉況値及び評価の内容を抽出することができる。そして、炉況情報出力部１５８は、抽出した炉況値、評価の内容等を表示部１４に出力することができる。

図１１は、炉況情報が入力された表示部１４に表示される画像の一例を示す図である。図１１に示す例では、炉況値の良否は、過去炉況値からの炉況値の減少率に基づいて判定されており、減少しきい値は２０％である。

図１１に示す画像は、対象データセットを取得した時刻、過去炉況値に対応する「直前時刻の炉況値」、炉況値に対応する「現在時刻の炉況値」、炉況値から過去炉況値を減算した「差分」及び「差分」の「直前時刻の炉況値」に対する「比率（％）」を含む。また、図１１に示す画像は、対象データセットが正常であるか又は異常であるかを示す「炉況判定結果」を更に含む。

図１１に示す画像では、炉況値の減少率が２０％を上回る時刻ｔ₂〜ｔ₄に取得した対象データセットに対応する炉況が異常であると判定され、時刻ｔ₂〜ｔ₄以外に取得した対象データセットに対応する炉況は正常であると判定される。

なお、炉況情報出力部１５８は、抽出した評価の内容に応じて出力の態様を変更してもよい。例えば、操業状況が「正常」であれば青色、「異常」であれば赤色で出力してもよい。また、操業状況が「異常」であれば、不図示の音声出力部を介して警告音を出力してもよい。
また、表示部１４においては、炉況値などが時間推移のグラフで表示されてもよい。

（実施形態に係る炉況評価装置の作用効果）
炉況評価装置１は、複数の操業変数を総括して単一の指標に定量化し、単一の指標に基づいて高炉の操業状況を評価し、その結果を出力することにより、高炉の操業状況を容易に判断することが可能となる。

また、炉況評価装置１は、複数の操業変数のそれぞれを代表する個別代表値に基づいて決定された個別評価値と対象データセットに含まれる複数の操業変数との相関関係に基づいて炉況値を決定し、高炉の炉況を判定する。炉況評価装置１は、いわゆる生データではなく炉況値に応じて高炉の炉況を判定するので、操業変数が瞬時に大幅に変位する等して生データと炉況との間の相関関係が複雑で難解である場合でも、高精度で高炉の炉況を判定できる。

また、炉況評価装置１は、高炉の炉況を示す炉況値の減少量に基づいて、高炉の炉況を判定するので、高炉の炉況が異常な状態に至る前に急激に炉況が変化した場合でも異常を発見することができる。

（変形例１）
なお、本発明は、上記実施形態や実施例に限定されるものではない。
例えば、炉況評価装置１は、個別評価値の平均値である評価平均値をパターン評価値、ひいては炉況値として使用するが、実施形態に係る炉況評価装置は、個別評価値等に関連する他の数値を炉況値として使用してもよい。例えば、実施形態に係る炉況評価装置は、評価平均値ではなく評価平均値の順位を炉況値として使用してもよい。例えば図８に示す例では、操業パターンＣ₁、Ｃ₂、Ｃ₃の順に、算出された評価平均値は小さくなるから、評価平均値の順位である「３」、「２」及び「１」を操業パターンＣ₁、Ｃ₂、Ｃ₃のそれぞれの炉況値として使用してもよい。

（変形例２に係る炉況判定処理）
また、実施形態に係る炉況評価装置は、対象データセットに含まれる操業変数と、操業パターンのそれぞれの個別代表値との間の相関関係から算出される変数評価値を用いて炉況値を算出してもよい。

図１２は、変形例２に係る炉況判定処理のフローチャートである。図１２に示す炉況判定処理は、予め記憶部１２に記憶されているプログラムに基づいて、主に処理部１５により炉況評価装置１の各要素と協働して実行される。

まず、対象データセット取得部１５５は、Ｓ２０１と同様に、複数の操業変数を含む対象データセットを取得し（Ｓ３０１）、取得した時刻と共に記憶部１２に格納する。

次いで、炉況値決定部１５６は、対象データセットに含まれる操業変数と操業パターンのそれぞれの個別代表値との間の相関関係から、対象データセットに含まれる操業変数のそれぞれに対応する変数評価値を算出する（Ｓ３０２）。炉況値決定部１５６は、ある操業変数について、例えば、当該操業変数Ｖ_Cよりも大きい個別代表値と操業変数Ｖ_Cとの差、及び当該操業変数Ｖ_Cよりも小さい個別代表値と操業変数Ｖ_Cとの差から、変数評価値を算出してもよい。

図１３は、ある操業変数について、２つの異なる操業パターンの個別代表値を使用して変数評価値を算出する方法を説明するための図である。

まず、図１３（ａ）に示すように、ある操業変数についての５つの操業パターンのそれぞれの代表値である第１個別代表値Ｒ₁、第２個別代表値Ｒ₂、第３個別代表値Ｒ₃、第４個別代表値Ｒ₄及び第５個別代表値Ｒ₅が抽出される。

次いで、図１３（ｂ）に示すように、炉況値決定部１５６は、対象データセットに含まれる操業変数Ｖ_Cよりも大きく且つ操業変数Ｖ_Cに近い第３個別代表値Ｒ₃及び操業変数Ｖ_Cよりも小さく且つ操業変数Ｖ_cに近い第４個別代表値Ｒ₄を選択する。

次いで、図１３（ｃ）に示すように、炉況値決定部１５６は、操業変数Ｖ_Cと第３個別代表値Ｒ₃との間の差Ｄ₁及び操業変数Ｖ_Cと第４個別代表値Ｒ₄との間の差Ｄ₂を算出する。

次いで、図１３（ｄ）に示すように、炉況値決定部１５６は、第３個別代表値Ｒ₃及び第４個別代表値Ｒ₄のそれぞれに対応する第３評価値Ｅ₃及び第４評価値Ｅ₄を抽出する。

そして、図１３（ｅ）に示すように、炉況値決定部１５６は、第３個別代表値Ｒ₃及び第４個別代表値Ｒ₄と操業変数Ｖ_Cとの間の位置関係に応じて、第３評価値Ｅ₃及び第４評価値Ｅ₄との位置関係から変数評価値ＶＥ_Cを算出する。変数評価値ＶＥ_Cと第３評価値Ｅ₃との間の差Ｄ´₁は、操業変数Ｖ_Cと第３個別代表値Ｒ₃との間の差Ｄ₁に比例した値である。また、変数評価値ＶＥ_Cと第４評価値Ｅ₄との間の差Ｄ´₂は、操業変数Ｖ_Cと第４個別代表値Ｒ₄との間の差Ｄ₂に比例した値である。

Ｓ３０２の処理が終了すると、炉況値決定部１５６は、Ｓ３０２の処理で算出された変数評価値の平均値を算出し、算出した平均値を炉況値に決定する（Ｓ３０３）。Ｓ３０４〜Ｓ３０７の処理は、Ｓ２０４〜Ｓ２０７の処理と同様なので、ここでは詳細な説明は省略する。変形例２に係る炉況判定処理では、対象データセットを複数の操業パターンのいずれかに分類することは必要ではない。

また、変形例２に係る炉況判定処理では評価平均値は使用されないので、図５等を参照して説明された評価値決定処理において、評価平均値を算出する処理は省略されてもよい。

なお、実施形態に係る炉況判定処理では、炉況値決定部１５６は、図１３を参照して説明した方法以外の方法で、変数評価値を決定してもよい。

図１４（ａ）は変数評価値の決定方法の第１変形例を説明するための図であり、図１４（ｂ）は変数評価値の決定方法の第２変形例を説明するための図である。図１４（ａ）及び１４（ｂ）において、横軸はある操業変数についての操業パターンのそれぞれの個別代表値を示し、縦軸は変数評価値を示す。図１４（ａ）及び１４（ｂ）では、３つの操業パターンにおける第１個別代表値Ｒ₁、第２個別代表値Ｒ₂及び第３個別代表値Ｒ₃と、対象データセットに含まれる操業変数との関係が説明される。

図１４（ａ）に示す第１変形例では、操業変数が第１個別代表値Ｒ₁と第２個別代表値Ｒ₂の中間値（Ｒ₁＋Ｒ₂）／２未満であるとき、変数評価値は「１」である。また、操業変数が第１個別代表値Ｒ₁と第２個別代表値Ｒ₂の中間値（Ｒ₁＋Ｒ₂）／２以上であり、且つ、第２個別代表値Ｒ₂と第３個別代表値Ｒ₃の中間値（Ｒ₂＋Ｒ₃）／２未満であるとき、変数評価値は「２」である。また、操業変数が第２個別代表値Ｒ₂と第３個別代表値Ｒ₃の中間値（Ｒ₂＋Ｒ₃）／２以上であるとき、変数評価値は「３」である。図１４（ａ）に示す第１変形例では、変数評価値は、「１」、「２」又は「３」の何れかの離散値となる。

図１４（ｂ）に示す第２変形例では、変数評価値は、横軸方向（操業変数、個別代表値）の境界である（Ｒ₁＋Ｒ₂）／２、（Ｒ₂＋Ｒ₃）／２、および所定の上下限値により規定される領域内において平均値がクラスタの順位を示す三つの整数となるような折れ線グラフ状の関数を使用して算出される。第２変形で使用される関数は、中間値（Ｒ₁＋Ｒ₂）／２と中間値（Ｒ₂＋Ｒ₃）／２とを結ぶ直線を含む。図１４（ｂ）に示す第２変形例では、変数評価値は、「１」、「２」又は「３」を含む連続値となる。

図１４（ａ）及び図１４（ｂ）に示される対応によって操業変数毎の個別評価値を特定することにより、操業変数ｖを個別評価値に合理的にノルマライズできる。その結果、これらの操業変数毎の個別評価値を対象とする全ての操業変数にわたって平均化した値は、取得した操業パターンのパターン評価値として信頼性が増すことが期待できる。

（変形例３に係る炉況判定処理）
また、炉況評価装置１は、炉況値の減少量を減少しきい値と比較して高炉の炉況を判定するが、実施形態に係る炉況評価装置は、炉況値を炉況しきい値と比較して高炉の炉況を判定してもよい。

図１５は、変形例３に係る炉況判定処理のフローチャートである。図１５に示す炉況判定処理は、予め記憶部１２に記憶されているプログラムに基づいて、主に処理部１５により炉況評価装置１の各要素と協働して実行される。

Ｓ４０１〜Ｓ４０３の処理は、Ｓ２０１〜Ｓ２０３の処理と同様なので、ここでは詳細な説明は省略する。

Ｓ４０３の処理が終了すると、炉況判定部１５７は、Ｓ４０３の処理で決定された炉況値が炉況しきい値以上であるか否かを判定する（Ｓ４０４）。炉況判定部１５７は、炉況値が炉況しきい値以上であると判定した（Ｓ４０４−ＹＥＳ）ときに、高炉の炉況が正常であることを示す炉況情報を記憶する（Ｓ４０５）。一方、炉況判定部１５７は、炉況値が炉況しきい値未満であると判定した（Ｓ４０４−ＮＯ）とき、高炉の炉況が正常ではない、すなわち異常であることを示す炉況情報を記憶する（Ｓ４０６）。そして、炉況情報出力部１５８は、炉況情報を出力する（Ｓ４０７）。

図１６は、変形例３において、炉況情報が入力された表示部１４に表示される画像の一例を示す図である。炉況値の良否は、炉況値の大きさに基づいて判定されており、炉況しきい値は２．００である。

図１６に示す画像は、対象データセットを取得した時刻、過去炉況値に対応する「直前時刻の炉況値」、炉況値に対応する「現在時刻の炉況値」、及び炉況値から過去炉況値を減算した「差分」を含む。また、図１６に示す画像は、対象データセットが正常であるか又は異常であるかを示す「炉況判定結果」を更に含む。

図１６に示す画像では、炉況値が２．００を下回る時刻ｔ₄に取得した対象データセットに対応する炉況のみが異常であると判定され、時刻ｔ₄以外に取得した対象データセットに対応する炉況は正常であると判定される。

（変形例４に係る炉況評価装置の構成及び機能）
また、実施形態に係る炉況評価装置は、所望の操業パターンに複数のデータセットがクラスタリングされたか否かを判定する処理を実行した上で、評価値決定処理を実行してもよい。所望の操業パターンとは、例えば熟練工の経験に基づく総合的な炉況判断との乖離が少ない分類方法をいう。

図１７は、炉況評価装置２の概略構成の一例を示す図である。

炉況評価装置２は、処理部２５を処理部１５の代わりに有することが炉況評価装置１と相違する。処理部２５以外の炉況評価装置２の構成要素の構成及び機能は、同一符号が付された炉況評価装置１の構成要素の構成及び機能と同一なので、ここでは詳細な説明は省略する。処理部２５は、クラスタリング判定部２５１及びクラスタリング修正部２５２を有することが処理部１５と相違する。クラスタリング判定部２５１及びクラスタリング修正部２５２以外の処理部２５の構成要素の構成及び機能は、同一符号が付された処理部１５の構成要素の構成及び機能と同一なので、ここでは詳細な説明は省略する。

（変形例４に係る炉況評価装置による評価値決定処理）
図１８は、炉況評価装置２により実行される変形例４に係る評価値決定処理のフローチャートである。図１８に示す評価値決定処理は、予め記憶部１２に記憶されているプログラムに基づいて、主に処理部２５により炉況評価装置２の各要素と協働して実行される。

まず、データセット取得部１５１は、Ｓ１０１の処理と同様に、複数のデータセットを取得する（Ｓ５０１）。次いで、クラスタリング部１５２は、Ｓ１０２の処理と同様に、Ｓ５０１の処理で取得した複数のデータセットを複数の操業パターンにクラスタリングする（Ｓ５０２）。

次いで、クラスタリング部１５２は、それぞれが複数の操業パターンの何れかに関連付けられたテスト用のデータセットである複数のテストデータセットのそれぞれを複数の操業パターンの何れか１つに分類する（Ｓ５０３）。テスト用のデータセットは、例えば１００組〜１０００組程度の数を有し、オペレータ（例えば熟練工）により複数の操業パターンの何れか１つに関連付けられている。

次いで、クラスタリング判定部２５１は、データセットが、所望の操業パターンにクラスタリングされたか否かを判定する（Ｓ５０４）。クラスタリング判定部２５１は、Ｓ５０３の処理で分類された操業パターンと、オペレータによって関連付けられた操業パターンの一致度に応じて、データセットが所望の操業パターンにクラスタリングされたか否かを判定する。

クラスタリング判定部２５１は、例えばＳ５０３の処理で操業パターンのそれぞれに分類されたテストデータセットの数と、オペレータによって操業パターンのそれぞれに関連付けられたテストデータセットの数との一致度を判定する。クラスタリング判定部２５１は、例えば平均二乗誤差平方根（Root mean squared error、ＲＭＳＥ）を使用して炉況評価装置２とオペレータとによる分類の２つの方法で操業パターンのそれぞれに分類されたテストデータの数の一致度を判定してもよい。クラスタリング判定部２５１は、２つの方法で操業パターンのそれぞれに分類されたテストデータの数の間のＲＭＳＥが所定の許容しきい値以下であるか否かに応じてテストデータの数の一致度を判定してもよい。クラスタリング判定部２５１は、２つの方法で操業パターンのそれぞれに分類されたテストデータの数の間のＲＭＳＥが所定の許容しきい値超であると判定したとき、所望の操業パターンにクラスタリングされていないと判定する（Ｓ５０４−ＮＯ）。クラスタリング判定部２５１は、２つの方法で操業パターンのそれぞれに分類されたテストデータの数の間のＲＭＳＥが所定の許容しきい値以下であると判定したとき、所望の操業パターンにクラスタリングされたと判定する（Ｓ５０４−ＹＥＳ）。

所望の操業パターンにクラスタリングされていないと判定される（Ｓ５０４−ＮＯ）と、クラスタリング修正部２５２は、クラスタリング部１５２がクラスタリングを実行するときの設定であるクラスタリング設定を変更する（Ｓ５０５）。

Ｓ５０５の処理で変更されるクラスタリング設定は、クラスタリング部１５２がクラスタリングするときの手法であるクラスタリング手法及びクラスタリング部１５２がクラスタリングするときの条件であるクラスタリング条件の少なくとも一方を含む。

クラスタリング設定に含まれるクラスタリング手法は、ｋ−ｍｅａｎｓ法、最近傍法（Nearest Neighbor Algorithm、ＮＮ法）、ｋ近傍法(K Nearest Neighbor Algorithm、Ｋ−ＮＮ法)等の公知のクラスタリングアルゴリズムを含む。また、クラスタリング設定に含まれるクラスタリング条件は、例えばｋ−ｍｅａｎｓ法ではクラスタリングするクラスタの数及び操業変数の数である。

すなわち、Ｓ５０５の処理で変更されるクラスタリング設定は、データセットに含まれる操業変数の種類及び数の少なくとも１つを含んでもよい。さらに、Ｓ５０５の処理で変更されるクラスタリング設定は、クラスタリングされる操業パターンの数を含んでもよい。

次いで、クラスタリング部１５２は、Ｓ５０５の処理で変更されたクラスタリング設定により複数のデータセットを再度クラスタリングする（Ｓ５０２）。以降、複数のデータセットが所望の操業パターンにクラスタリングされたと判定される（Ｓ５０４−ＹＥＳ）まで、Ｓ５０２〜Ｓ５０５の処理が繰り返される。

Ｓ５０２〜Ｓ５０５の処理が繰り返される間、クラスタリング修正部２５２は、クラスタリング設定を順次変更する。クラスタリング修正部２５２は、例えばクラスタリング手法及びクラスタリング条件並びに操業変数の種類及び数を順次変更し、クラスタリング手法等の変更回数が所定の回数に達したときに、操業パターンの数を変更してもよい。また、操業パターンの数の変更が所定の上限回数に達したときに、Ｓ５０２〜Ｓ５０５の処理を終了してもよい。なお、Ｓ５０５の処理は、クラスタリング修正部２５２によって実行されるのではなく、オペレータによって実行されてもよい。

クラスタリング判定部２５１によって所望の操業パターンにクラスタリングされたと判定される（Ｓ５０４−ＹＥＳ）と、処理はＳ５０６に進む。Ｓ５０６〜Ｓ５０８の処理は、Ｓ１０３〜Ｓ１０５の処理と同様なので、ここでは詳細な説明は省略する。

（変形例４に係る炉況評価装置の作用効果）
炉況評価装置２は、パターン評価値を決定するときに、所望の操業パターンにデータセットをクラスタリングされたか否かを判定することで、少なくとも意図しないクラスタリングがなされることを防止できる。さらには、熟練工が所望するデータセットにデータセットをクラスタリングすることが可能になる。

図１９は、変形例４に係る炉況評価装置２について分類結果の評価の一例を示す図である。図１９（ａ）はクラスタリング部１５２が５つの操業パターンにデータセットをクラスタリングする場合を示し、図１９（ｂ）はクラスタリング部１５２が７つの操業パターンにデータセットをクラスタリングする場合を示す。図１９（ａ）及び１９（ｂ）において、横軸は操業パターンの番号を示し、縦軸は操業パターンのそれぞれにクラスタリングされたテストデータセットの数を示す。なおクラスタリング部１５２はｋ−ｍｅａｎｓ法によりテストデータセットをクラスタリングした。また、図１９（ａ）及び１９（ｂ）において、黒色の棒グラフは炉況評価装置２により当該操業パターンに分類されたテストデータセットの数を示し、白抜きの棒グラフは熟練工により当該操業パターンに関連付けられたテストデータセットの数を示す。

図１９（ａ）に示すが、５つの操業パターンにデータセットをクラスタリングする場合では、炉況評価装置２により分類されたテストデータセット数の熟練工により分類されたデータセット数に対するＲＭＳＥは６．０であった。一方、図１９（ｂ）に示すが、７つの操業パターンにデータセットをクラスタリングする場合では、炉況評価装置２により分類されたテストデータセット数の熟練工により分類されたデータセット数に対するＲＭＳＥは２．３であった。例えば、ＲＭＳＥの許容しきい値が３．０である場合、クラスタリング判定部２５１は、ＲＭＳＥが２．３である７つの操業パターンにデータセットをクラスタリングする場合に、所望の操業パターンにクラスタリングされたと判定する。

（変形例５に係る炉況評価装置による評価値決定処理）
なお、所望の操業パターンに複数のデータセットがクラスタリングされたか否かを判定する処理は、図１８に示す処理に限定されるものではない。

図２０は、炉況評価装置２により実行される変形例５に係る評価値決定処理のフローチャートである。図２０に示す評価値決定処理は、予め記憶部１２に記憶されているプログラムに基づいて、主に処理部２５により炉況評価装置２の各要素と協働して実行される。

Ｓ６０１〜Ｓ６０５の処理は、Ｓ１０１〜Ｓ１０５の処理と同様なので、ここでは詳細な説明は省略される。

次いで、クラスタリング部１５２は、それぞれが高炉１０１の炉況の良否を示す順位に関連付けられたテスト用のデータセットである複数のテストデータセットのそれぞれを、複数の操業パターンの何れか１つに分類する（Ｓ６０６）。テスト用のデータセットは、例えば１０組〜１００組程度の数を有し、熟練工により決定された高炉１０１の炉況の良否を示す順位に関連付けられている。

次いで、炉況値決定部１５６は、Ｓ２０３の処理と同様な処理を実行して、複数のテストデータセットのそれぞれの炉況値を決定する（Ｓ６０７）。

次いで、クラスタリング判定部２５１は、データセットが、所望の操業パターンにクラスタリングされたか否かを判定する（Ｓ６０８）。クラスタリング判定部２５１は、複数のテストデータセットのそれぞれに関連づけられた順位と、複数のテストデータセットの炉況値の順番と、の一致度に応じて、複数のデータセットのそれぞれが、所望の操業パターンに分類されたか否かを判定する。

複数のテストデータセットのそれぞれに関連づけられた順位と、複数のテストデータセットの炉況値の順番と、の一致度の判定基準は、適宜設定可能である。例えば、１０個のテストデータセットを使用する場合、クラスタリング判定部２５１は、炉況値の最上位群２つ（１位と２位）及び最下位群の２つ（９位と１０位）の計４つが複数のテストデータセットに関連づけられた最上位群及び最下位群に一致したときに、所望の操業パターンにクラスタリングされたと判定してもよい。

所望の操業パターンにクラスタリングされていないと判定される（Ｓ６０８−ＮＯ）と、クラスタリング修正部２５２は、クラスタリング部１５２がクラスタリングを実行するときの設定であるクラスタリング設定を変更する（Ｓ６０９）。Ｓ６０９の処理は、Ｓ５０５の処理と同様なので、ここでは詳細な説明は省略する。

クラスタリング判定部２５１によって所望の操業パターンにクラスタリングされたと判定される（Ｓ６０８−ＹＥＳ）と、処理は終了する。

（変形例５に係る炉況評価処理の作用効果）
一般に、テストデータセットのクラスタリング作業は、テストデータセットの順位付け作業よりも判断が難しく、オペレータの作業負荷が大きい。変形例５に係る炉況評価処理では、オペレータは、テストデータセットをクラスタリングすることなく、テストデータセットを順位付けするだけで所望のクラスタリングを実現し得るので、変形例５に係る炉況評価処理は、オペレータの負荷を低減できる。

また、変形例５に係る炉況評価処理は、変形例４に係る炉況評価処理よりもテストデータセットの数を低減できるので、炉況評価処理の処理効率を変形例４に係る炉況評価処理よりも向上させることができる。

（変形例６）
また、炉況評価装置１は、評価値決定処理及び炉況判定処理の双方を実行するが、実施形態に係る評価値決定装置が評価値決定処理を実行し、実施形態に係る炉況判定装置が炉況判定処理を実行してもよく、評価値決定装置及び炉況判定装置を有する炉況評価装置も、本発明の範囲に含まれる。

図２１は、変形例６に係る炉況評価システム２００の概略構成の一例を示す図である。

炉況評価システム２００は、評価値決定装置３及び炉況判定装置４を炉況評価装置１の代わりに有することが炉況評価システム１００と相違する。高炉１０１及び各種センサ１０２は、図１及び２を参照して既に説明しているので、ここでは詳細な説明は省略する。

（変形例６に係る評価値決定装置の構成及び機能）
図２２は、評価値決定装置３の概略構成の一例を示す図である。

評価値決定装置３は、処理部３５を処理部１５の代わりに有することが炉況評価装置１と相違する。処理部３５以外の評価値決定装置３の構成要素の構成及び機能は、同一符号が付された炉況評価装置１の構成要素の構成及び機能と同一なので、ここでは詳細な説明は省略する。処理部３５は、対象データセット取得部１５５、炉況値決定部１５６、炉況判定部１５７及び炉況情報出力部１５８を有さないことが処理部１５と相違する。また、処理部３５は、評価値出力部３５１を有することが処理部１５と相違する。評価値出力部３５１以外の処理部３５の構成要素の構成及び機能は、同一符号が付された処理部１５の構成要素の構成及び機能と同一なので、ここでは詳細な説明は省略する。

（変形例６に係る評価値決定装置による評価値決定処理）
図２３は、評価値決定装置３により実行される評価値決定処理のフローチャートである。図２３に示す評価値決定処理は、予め記憶部１２に記憶されているプログラムに基づいて、主に処理部３５により評価値決定装置３の各要素と協働して実行される。

Ｓ７０１〜Ｓ７０４の処理は、Ｓ１０１〜Ｓ１０４の処理と同様なので、ここでは詳細な説明は省略する。

Ｓ７０４の処理が終了すると、評価値出力部３５１は、個別評価値を示す評価値情報を評価平均値及び操業パターンと関連付けて出力する（Ｓ７０５）。評価値出力部３５１により出力された評価値情報は、通信部１１によって炉況判定装置４に送信される。

（変形例６に係る炉況判定装置の構成及び機能）
図２４は、炉況判定装置４の概略構成の一例を示す図である。

炉況判定装置４は、処理部４５を処理部１５の代わりに有することが炉況評価装置１と相違する。処理部４５以外の炉況判定装置４の構成要素の構成及び機能は、同一符号が付された炉況評価装置１の構成要素の構成及び機能と同一なので、ここでは詳細な説明は省略する。処理部４５は、データセット取得部１５１、代表値決定部１５３及び評価値決定部１５４を有さないことが処理部１５と相違する。データセット取得部１５１、代表値決定部１５３及び評価値決定部１５４を有さないこと以外の処理部４５の構成要素の構成及び機能は、同一符号が付された処理部１５の構成要素の構成及び機能と同一なので、ここでは詳細な説明は省略する。

クラスタリング部１５２、対象データセット取得部１５５、炉況値決定部１５６、炉況判定部１５７及び炉況情報出力部１５８は、図１０に示す炉況判定処理と同様の処理を実行する。

なお、変形例に係る評価値決定装置は、図１８及び２０に示す評価値決定処理と同様の処理を実行してもよい。また、変形例に係る炉況判定装置は、図１２及び１５に示す炉況判定処理と同様の処理を実行してもよい。

（変形例７に係る炉況判定処理）
また、変形例に係る炉況評価装置、及び炉況判定装置は、２つ以上の判定基準に基づいて炉況判定処理を実行してもよい。

図２５は、変形例７に係る炉況判定処理のフローチャートである。図２５に示す炉況判定処理は、予め記憶部１２に記憶されているプログラムに基づいて、主に処理部１５により炉況評価装置１の各要素と協働して実行される。

Ｓ８０１〜Ｓ８０５の処理は、Ｓ２０１〜Ｓ２０５の処理と同様なので、ここでは詳細な説明は省略する。

炉況判定部１５７は、過去炉況値からの炉況値の減少量が減少しきい値超であると判定した（Ｓ８０４−ＮＯ）とき、Ｓ８０３の処理で決定された炉況値が炉況しきい値以上であるか否かを判定する（Ｓ８０６）。炉況判定部１５７は、炉況値が炉況しきい値以上であると判定した（Ｓ８０６−ＹＥＳ）ときに、高炉の炉況が異常になる可能性がある危険な状態であることを示す炉況情報を記憶する（Ｓ８０７）。一方、炉況判定部１５７は、炉況値が炉況しきい値未満であると判定した（Ｓ８０６−ＮＯ）とき、高炉の炉況が異常であることを示す炉況情報を記憶する（Ｓ８０８）。そして、炉況情報出力部１５８は、炉況情報を出力する（Ｓ８０９）。

図２６は、変形例７に係る炉況判定処理において、炉況情報が入力された表示部１４に表示される画像の一例を示す図である。図２６に示す例では、炉況値の良否は、過去炉況値からの炉況値の減少率に基づいて判定されており、減少しきい値は２０％である。また、図２６に示す例では、炉況が危険であるか又は異常であるかの判断は、炉況値の大きさに基づいて判定されており、炉況しきい値は２．００である。

図２６に示す画像は、対象データセットを取得した時刻、過去炉況値に対応する「直前時刻の炉況値」、炉況値に対応する「現在時刻の炉況値」、炉況値から過去炉況値を減算した「差分」及び「差分」の「直前時刻の炉況値」に対するの「比率（％）」を含む。また、図２６に示す画像は、対象データセットが正常であるか又は異常であるかを示す「炉況判定結果」を更に含む。

図２６に示す画像では、炉況値の減少率が２０％を上回り且つ炉況値が２．００を上回る時刻ｔ₂〜ｔ₃に取得した対象データセットに対応する炉況が危険であると判定される。また、炉況値の減少率が２０％を上回り且つ炉況値が２．００を下回る時刻ｔ₄に取得した対象データセットに対応する炉況が異常であると判定される。なお、時刻ｔ₂〜ｔ₄以外に取得した対象データセットに対応する炉況は正常であると判定される。

（変形例８）
炉況評価装置１は、現在時刻における高炉の操業状況を評価したが、将来の所定時刻における高炉の操業状況を予測してもよい。高炉の操業状況の予測は、例えば、現在時刻におけるデータセットに類似する過去時刻におけるデータセットを特定し、特定したデータセットから所定時刻経過後におけるデータセットを特定することにより行うことができる。また例えば、いわゆる高炉数学モデル等のシミュレーションにより所定の操業条件での操業変数を算出して将来の所定時刻のデータセットを取得し、当該データセットについて炉況を判定してもよい。

（変形例９）
また、炉況評価装置１は、図３に示される各部を備えるとしたが、その一部については、不図示のサーバ装置が備えてもよい。サーバ装置は、例えば、炉況評価装置１の記憶部１２に相当する記憶部を備え、この記憶部に記憶されているプログラム、データ等を炉況評価装置１に送信し、炉況評価装置１に処理を実行させてもよい。あるいは、サーバ装置は、炉況評価装置１の記憶部１２及び処理部１５に相当する記憶部及び処理部を備え、この記憶部に記憶されているプログラム、データ等を用いて処理を実行し、その結果のみを炉況評価装置１に提供してもよい。

（変形例１０）
また、炉況評価装置１は、炉況判定部１５７及び炉況情報出力部１５８を有するが、実施形態に係る炉況評価装置は、クラスタリング部１５２〜炉況値決定部１５６と同一又は対応する構成する構成を有していればよい。実施形態に係る炉況評価装置は、クラスタリング部１５２〜炉況値決定部１５６と同一又は対応する構成する構成を有することで、新たに取得されたデータセットである対象データセットに対応する高炉の炉況を示す炉況値を決定する。

また、処理部１５が備える各機能をコンピュータに実現させるためのコンピュータプログラムは、磁気記録媒体、光記録媒体等のコンピュータにより読み取り可能な記録媒体に記録された形で提供されてもよい。

当業者は、本発明の精神及び範囲から外れることなく、様々な変更、置換、及び修正をこれに加えることが可能であることを理解されたい。

なお、別の見方をすると、本発明に係る炉況評価装置は、以下の態様となる。
（態様１）
過去に高炉の操業状況を表す複数の操業変数の組として取得された複数のデータセットを分類して得られる複数の操業パターンと、複数の操業パターンのそれぞれに属するデータセットから算出された複数の操業パターンのそれぞれの評価値とを対応させて記憶する記憶部と、
第１の時刻に高炉から取得されるデータセットに基づいて特定される第１の操業パターンの評価値に基づいて算出される第１の時刻における操業状況の評価値と、第１の時刻より前の第２の時刻における記憶部に記憶される第２の操業パターンの評価値に基づいて算出される第２の時刻における操業状況の評価値とを比較して第１の時刻における操業状況を評価する炉況評価部と、
炉況評価部による評価結果を表示する表示部と、
を備えることを特徴とする炉況評価装置。
（態様２）
過去に高炉から取得された複数のデータセットを複数のクラスタに分類し、分類された複数のクラスタの各々について、当該クラスタに属する複数のデータセットの重心を算出して操業パターンとすると共に、当該クラスタに属する複数のデータセットに基づく点数を算出して操業パターンの評価値とする操業パターン作成部をさらに備える、（態様１）に記載の炉況評価装置。
（態様３）
操業パターン作成部は、分類された複数のクラスタの各々について、当該クラスタに属する複数のデータセットについて操業変数毎に当該操業変数の平均値を算出し、算出された平均値に基づいて当該操業変数の点数を算出し、操業変数毎に算出された点数の平均値を算出して操業パターンの評価値とする、（態様２）に記載の炉況評価装置。
（態様４）
操業パターン作成部は、複数のクラスタ全体について、操業変数毎に、対応する点数化規則に従って、算出された平均値を点数化することにより、当該操業変数の点数を算出する、（態様３）に記載の炉況評価装置。
（態様５）
点数化規則は、対応する操業変数の特性に応じて規定される、（態様４）に記載の炉況評価装置。
（態様６）
炉況評価部は、第１の時刻における操業状況の評価値が第２の時刻における操業状況の評価値を下回り且つその差分が第１のしきい値を上回った場合に、第１の時刻における操業状況は第１の状況にあると評価する、（態様１）〜（態様５）のいずれか一つに記載の炉況評価装置。
（態様７）
炉況評価部は、第１の時刻における操業状況の評価値が第２のしきい値を下回った場合に、第１の時刻における操業状況は第１の状況よりも悪い第２の状況にあると評価する、（態様６）に記載の炉況評価装置。
（態様８）
過去に高炉の操業状況を表す複数の操業変数の組として取得された複数のデータセットを分類して得られる複数の操業パターンと、複数の操業パターンのそれぞれに属するデータセットから算出された複数の操業パターンのそれぞれの評価値とを対応させて記憶する記憶部を備える炉況評価装置の制御方法であって、炉況評価装置が、
第１の時刻に高炉から取得されるデータセットに基づいて第１の操業パターンを特定し、
特定された第１の操業パターンの評価値に基づいて第１の時刻における操業状況の評価値を算出し、
第１の時刻より前の第２の時刻における記憶部に記憶される第２の操業パターンの評価値に基づいて第２の時刻における操業状況の評価値を算出し、
算出された第１の時刻における操業状況の評価値と、算出された第２の時刻における操業状況の評価値とを比較して第１の時刻における操業状況を評価し、
評価結果を表示する、
ことを特徴とする制御方法。
（態様９）
過去に高炉の操業状況を表す複数の操業変数の組として取得された複数のデータセットを分類して得られる複数の操業パターンと、複数の操業パターンのそれぞれに属するデータセットから算出された複数の操業パターンのそれぞれの評価値とを対応させて記憶する記憶部を備え炉況評価装置の制御プログラムであって、炉況評価装置に、
第１の時刻に高炉から取得されるデータセットに基づいて第１の操業パターンを特定し、
特定された第１の操業パターンの評価値に基づいて第１の時刻における操業状況の評価値を算出し、
第１の時刻より前の第２の時刻における記憶部に記憶される第２の操業パターンの評価値に基づいて第２の時刻における操業状況の評価値を算出し、
算出された第１の時刻における操業状況の評価値と、算出された第２の時刻における操業状況の評価値とを比較して第１の時刻における操業状況を評価し、
評価結果を表示する、
ことを実行させることを特徴とする制御プログラム。

１、２ 炉況評価装置
３ 評価値決定装置
４ 炉況判定装置
１００、２００ 炉況評価システム
１０１ 高炉
１０２ センサ
１５１ データセット取得部
１５２ クラスタリング部
１５３ 代表値決定部
１５４ 評価値決定部
１５５ 対象データセット取得部
１５６ 炉況値決定部
１５７ 炉況判定部
１５８ 炉況情報出力部
２５１ クラスタリング判定部
２５２ クラスタリング修正部

Claims (23)

1. ある時刻の高炉の操業状況を示す異なる操業変数の組であるデータセットが、異なる時刻について取得されており、当該複数のデータセットを複数の操業パターンにクラスタリングするクラスタリング部と、
   前記異なる操業変数のそれぞれについて、前記操業パターン毎に個別代表値を決定する代表値決定部と、
   前記個別代表値に基づいて、前記複数の操業変数のそれぞれの個別評価値を前記操業パターン毎に決定し、個別評価値または個別評価値を用いて前記操業パターン毎に算出される値をパターン評価値として決定する評価値決定部と、
   新たに取得されたデータセットである対象データセットに含まれる複数の操業変数と前記パターン評価値との相関関係に基づいて前記対象データセットに対応する前記高炉の炉況を示す炉況値を決定する炉況値決定部と、
   を備えることを特徴とする炉況評価装置。
2. 前記評価値決定部は、前記パターン評価値として前記個別評価値の平均値である評価平均値を前記操業パターン毎に算出する、請求項１に記載の炉況評価装置。
3. 前記クラスタリング部は、前記対象データセットを前記複数の操業パターンの何れか１つに分類し、
   前記炉況値決定部は、前記対象データセットが分類された操業パターンのパターン評価値である前記評価平均値を前記炉況値に決定する、請求項２に記載の炉況評価装置。
4. 前記炉況値決定部は、前記各操業パターンのパターン評価値である各評価平均値、及び、前記各操業パターンのクラスタ重心位置と前記対象データセットとのユークリッド距離を用いて、前記炉況値を決定する、請求項２に記載の炉況評価装置。
5. 前記炉況値決定部は、前記対象データセットに含まれる複数の操業変数のそれぞれと、前記各操業パターンの対応する個別代表値との間の相関関係に応じて、前記対象データセットに含まれる操業変数のそれぞれに対応する変数評価値を算出し、前記変数評価値の平均値を前記炉況値に決定する、請求項１に記載の炉況評価装置。
6. 前記炉況値に基づいて前記高炉の炉況を判定し、判定された前記高炉の炉況を示す炉況情報として記憶する炉況判定部と、
   前記炉況情報を出力する炉況情報出力部と、
   をさらに備えることを特徴とする請求項１〜５の何れか一項に記載の炉況評価装置。
7. 前記炉況判定部は、
   前記炉況値と、前記対象データセットより前の時刻に取得された過去データセットに対応する炉況値である過去炉況値とを比較し、
   前記過去炉況値からの前記炉況値の減少量が減少しきい値以下であると判定したときに、前記高炉の炉況が正常であることを示す炉況情報を記憶し、
   前記過去炉況値からの前記炉況値の減少量が前記減少しきい値超であると判定したときに、前記高炉の炉況が正常ではないことを示す炉況情報を記憶する、請求項６に記載の炉況評価装置。
8. 前記炉況判定部は、
   前記過去炉況値からの前記炉況値の減少量が前記減少しきい値超であり、且つ、前記炉況値が炉況しきい値以上であると判定したときに、前記高炉の炉況が異常になる可能性があることを示す炉況情報を記憶し、
   前記過去炉況値からの前記炉況値の減少量が前記減少しきい値超であり、且つ、前記炉況値が炉況しきい値未満であると判定したときに、前記高炉の炉況が異常であることを示す炉況情報を記憶する、請求項７に記載の炉況評価装置。
9. 前記炉況判定部は、
   前記炉況値が炉況しきい値以上であるか否かを判定し、
   前記炉況値が炉況しきい値以上であると判定したときに、前記高炉の炉況が正常であることを示す炉況情報を記憶し、
   前記炉況値が前記炉況しきい値未満であると判定したときに、前記高炉の炉況が異常であることを示す炉況情報を記憶する、請求項６に記載の炉況評価装置。
10. 前記評価値決定部は、前記操業変数毎に規定された点数化規則に基づいて、前記個別評価値を決定する、請求項１〜９の何れか一項に記載の炉況評価装置。
11. 前記複数のデータセットが所望の操業パターンにクラスタリングされたか否かを判定するクラスタリング判定部を更に有する、請求項１〜１０の何れか一項に記載の炉況評価装置。
12. 前記クラスタリング部は、それぞれが前記複数の操業パターンの何れかに関連付けられたテスト用のデータセットである複数のテストデータセットのそれぞれを前記複数の操業パターンの何れか１つに分類し、
    前記クラスタリング判定部は、前記複数のテストデータセットが分類された操業パターンと、前記テストデータセットが関連付けられた操業パターンと、の一致度に応じて、前記複数のデータセットが所望の操業パターンにクラスタリングされたか否かを判定する、請求項１１に記載の炉況評価装置。
13. 前記クラスタリング判定部は、前記複数の操業パターンのそれぞれに分類された前記テストデータセットの数と、前記複数の操業パターンのそれぞれに関連付けられた前記テストデータセットの数の一致度に応じて、前記複数のデータセットが所望の操業パターンにクラスタリングされたか否かを判定する、請求項１２に記載の炉況評価装置。
14. 前記クラスタリング部は、それぞれが前記高炉の炉況の良否を示す順位に関連付けられたテスト用のデータセットである複数のテストデータセットのそれぞれを前記複数の操業パターンの何れか１つに分類し、
    前記炉況値決定部は、前記複数のテストデータセットのそれぞれの炉況値を決定し、
    前記クラスタリング判定部は、前記複数のテストデータセットのそれぞれに関連づけられた順位と、前記複数のテストデータセットの前記炉況値の順番の一致度に応じて、前記複数のデータセットが所望の操業パターンにクラスタリングされたか否かを判定する、請求項１１に記載の炉況評価装置。
15. 前記複数のデータセットが所望の操業パターンにクラスタリングされていないと判定されたときに、前記クラスタリング部がクラスタリングを実行するときの設定であるクラスタリング設定を変更するクラスタリング修正部を更に有し、
    前記クラスタリング部は、変更されたクラスタリング設定により前記複数のデータセットを再度クラスタリングする、請求項１１〜１４の何れか一項に記載の炉況評価装置。
16. 前記クラスタリング設定は、前記クラスタリング部がクラスタリングするときの手法であるクラスタリング手法及び前記クラスタリング部がクラスタリングするときの条件であるクラスタリング条件の少なくとも一方を含む、請求項１５に記載の炉況評価装置。
17. 前記クラスタリング設定は、前記複数のデータセットに含まれる操業変数の種類及び数の少なくとも一方を含む、請求項１５又は１６に記載の炉況評価装置。
18. 前記クラスタリング設定は、前記クラスタリング部によってクラスタリングされる操業パターンの数を含む、請求項１５〜１７の何れか一項に記載の炉況評価装置。
19. ある時刻の高炉の操業状況を示す異なる操業変数の組であるデータセットが、異なる時刻について取得されており、当該複数のデータセットを複数の操業パターンにクラスタリングするクラスタリング工程と、
    前記異なる操業変数のそれぞれについて、前記操業パターン毎に個別代表値を決定する代表値決定工程と、
    前記個別代表値に基づいて、前記複数の操業変数のそれぞれの個別評価値を前記操業パターン毎に決定し、個別評価値または個別評価値を用いて前記操業パターン毎に算出される値をパターン評価値として決定する評価値決定工程と、
    新たに取得されたデータセットである対象データセットに含まれる複数の操業変数と前記パターン評価値との相関関係に基づいて前記対象データセットに対応する前記高炉の炉況を示す炉況値を決定する炉況値決定工程と、
    を備えることを特徴とする炉況評価方法。
20. 前記炉況値に基づいて前記高炉の炉況を判定し、判定された前記高炉の炉況を示す炉況情報として記憶する炉況判定工程と、
    前記炉況情報を出力する炉況情報出力工程と、
    をさらに備えることを特徴とする請求項１９に記載の炉況評価方法。
21. ある時刻の高炉の操業状況を示す異なる操業変数の組であるデータセットが、異なる時刻について取得されており、当該複数のデータセットを複数の操業パターンにクラスタリングするクラスタリング工程と、
    前記異なる操業変数のそれぞれについて、前記操業パターン毎に個別代表値を決定する代表値決定工程と、
    前記個別代表値に基づいて、前記複数の操業変数のそれぞれの個別評価値を前記操業パターン毎に決定し、個別評価値または個別評価値を用いて前記操業パターン毎に算出される値をパターン評価値として決定する評価値決定工程と、
    新たに取得されたデータセットである対象データセットに含まれる複数の操業変数と前記パターン評価値との相関関係に基づいて前記対象データセットに対応する前記高炉の炉況を示す炉況値を決定する炉況値決定工程と、
    をコンピュータに実行させることを特徴とする炉況評価プログラム。
22. 前記炉況値に基づいて前記高炉の炉況を判定し、判定された前記高炉の炉況を示す炉況情報として記憶する炉況判定工程と、
    前記炉況情報を出力する炉況情報出力工程と、
    をさらにコンピュータに実行させることを特徴とする請求項２１に記載の炉況評価プログラム。
23. 新たに取得されたデータセットである対象データセットに対応する高炉の炉況を示す炉況値を、前記対象データセットに含まれる複数の操業変数と、予め用意された複数の操業パターンのパターン評価値と、の相関関係に基づいて決定するよう、コンピュータを機能させるための学習済みモデルの生成方法であって、
    ある時刻の高炉の操業状況を示す異なる操業変数の組であるデータセットが、異なる時刻について取得されており、当該複数のデータセットを複数の操業パターンにクラスタリングするクラスタリング工程と、
    前記異なる操業変数のそれぞれについて、前記操業パターン毎に個別代表値を決定する代表値決定工程と、
    前記個別代表値に基づいて、前記複数の操業変数のそれぞれの個別評価値を前記操業パターン毎に決定し、個別評価値または個別評価値を用いて前記操業パターン毎に算出される値をパターン評価値として決定する評価値決定工程と、
    を備えることを特徴とする学習済みモデルの生成方法。

Images