JP2024022741A - 廃液処理設備の運転方法、処理後廃液の性質を予測する方法、運転システム及び予測システム - Google Patents
廃液処理設備の運転方法、処理後廃液の性質を予測する方法、運転システム及び予測システム Download PDFInfo
- Publication number
- JP2024022741A JP2024022741A JP2022126045A JP2022126045A JP2024022741A JP 2024022741 A JP2024022741 A JP 2024022741A JP 2022126045 A JP2022126045 A JP 2022126045A JP 2022126045 A JP2022126045 A JP 2022126045A JP 2024022741 A JP2024022741 A JP 2024022741A
- Authority
- JP
- Japan
- Prior art keywords
- waste liquid
- data
- properties
- production process
- product production
- 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.)
- Pending
Links
- 239000007788 liquid Substances 0.000 title claims abstract description 317
- 239000002699 waste material Substances 0.000 title claims abstract description 311
- 238000000034 method Methods 0.000 title claims abstract description 133
- 238000004519 manufacturing process Methods 0.000 claims abstract description 116
- 230000008569 process Effects 0.000 claims abstract description 57
- 238000012545 processing Methods 0.000 claims abstract description 9
- 238000012805 post-processing Methods 0.000 claims description 25
- 230000007704 transition Effects 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 3
- 230000010365 information processing Effects 0.000 description 72
- 241000196324 Embryophyta Species 0.000 description 55
- 238000003860 storage Methods 0.000 description 25
- 238000004891 communication Methods 0.000 description 24
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 24
- 230000000694 effects Effects 0.000 description 18
- 239000000123 paper Substances 0.000 description 18
- 238000010586 diagram Methods 0.000 description 12
- 239000000126 substance Substances 0.000 description 12
- 238000011017 operating method Methods 0.000 description 10
- 239000002994 raw material Substances 0.000 description 9
- 230000006870 function Effects 0.000 description 8
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 5
- 239000001301 oxygen Substances 0.000 description 5
- 229910052760 oxygen Inorganic materials 0.000 description 5
- 230000007613 environmental effect Effects 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 239000002351 wastewater Substances 0.000 description 4
- 238000010009 beating Methods 0.000 description 3
- 238000010438 heat treatment Methods 0.000 description 3
- 239000002655 kraft paper Substances 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- ZAMOUSCENKQFHK-UHFFFAOYSA-N Chlorine atom Chemical compound [Cl] ZAMOUSCENKQFHK-UHFFFAOYSA-N 0.000 description 2
- MHAJPDPJQMAIIY-UHFFFAOYSA-N Hydrogen peroxide Chemical compound OO MHAJPDPJQMAIIY-UHFFFAOYSA-N 0.000 description 2
- 238000002835 absorbance Methods 0.000 description 2
- 238000005273 aeration Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 239000000460 chlorine Substances 0.000 description 2
- 229910052801 chlorine Inorganic materials 0.000 description 2
- 238000003066 decision tree Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 239000004744 fabric Substances 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 244000005700 microbiome Species 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 238000003756 stirring Methods 0.000 description 2
- 238000011144 upstream manufacturing Methods 0.000 description 2
- OYPRJOBELJOOCE-UHFFFAOYSA-N Calcium Chemical compound [Ca] OYPRJOBELJOOCE-UHFFFAOYSA-N 0.000 description 1
- RWSOTUBLDIXVET-UHFFFAOYSA-N Dihydrogen sulfide Chemical compound S RWSOTUBLDIXVET-UHFFFAOYSA-N 0.000 description 1
- 244000256297 Euphorbia tirucalli Species 0.000 description 1
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 description 1
- 240000001931 Ludwigia octovalvis Species 0.000 description 1
- 229920002472 Starch Polymers 0.000 description 1
- 229910000831 Steel Inorganic materials 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 239000011575 calcium Substances 0.000 description 1
- 229910052791 calcium Inorganic materials 0.000 description 1
- 150000001768 cations Chemical class 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000010790 dilution Methods 0.000 description 1
- 239000012895 dilution Substances 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005187 foaming Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 239000008103 glucose Substances 0.000 description 1
- 229910000037 hydrogen sulfide Inorganic materials 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000003472 neutralizing effect Effects 0.000 description 1
- 150000007524 organic acids Chemical class 0.000 description 1
- 239000010893 paper waste Substances 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 239000010802 sludge Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000008107 starch Substances 0.000 description 1
- 235000019698 starch Nutrition 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012731 temporal analysis Methods 0.000 description 1
- 238000000700 time series analysis Methods 0.000 description 1
- 238000004065 wastewater treatment Methods 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Classifications
-
- C—CHEMISTRY; METALLURGY
- C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F1/00—Treatment of water, waste water, or sewage
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Hydrology & Water Resources (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Manufacturing & Machinery (AREA)
- Organic Chemistry (AREA)
- Chemical & Material Sciences (AREA)
- Water Supply & Treatment (AREA)
- Environmental & Geological Engineering (AREA)
- General Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Processing Of Solid Wastes (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Feedback Control In General (AREA)
Abstract
【課題】廃液の性質の変動に柔軟に対応することができる廃液処理設備の運転方法等を提供すること。【解決手段】本発明の一態様によれば、製品生産プロセスからの廃液を処理する廃液処理設備の運転方法が提供される。この運転方法は、データ取得工程と、廃液予測値出力工程と、運転条件設定工程と、を備える。データ取得工程では、第１の時間における製品生産プロセスでの製品生産プロセスデータを含む第１のデータを取得する。廃液予測値出力工程では、第１のデータと、廃液の性質を予測する予測モデルと、に基づき、第１の時間以降の第２の時間における製品生産プロセスからの廃液の性質に関する予測値を出力する。ここで、予測モデルは、製品生産プロセスにおける過去の製品生産プロセスデータと、その際に排出された廃液の性質に関するデータと、が関連付けられて作成されたモデルである。運転条件設定工程では、廃液予測値出力工程で出力された廃液の性質に関する予測値に基づき、廃液処理設備の運転条件パラメータを設定する。【選択図】図１
Description
本発明は、廃廃液処理設備の運転方法、処理後廃液の性質を予測する方法、運転システム及び予測システムに関する。
工場の生産プロセスにおいては、原料の溶解、生産ラインの洗浄、冷却等の様々な用途で水が使用されており、これらの水は、通常、廃棄時に特定の処理が施されることとなる。ここで、処理対象となる水は、処理原料の変化、生産品目や生産量の変化に伴い、その性質も変わってくるため、排水処理工程に対する工夫が必要となることがある。
これに関連する技術として、特許文献１に開示された技術が知られている。特許文献１には、互いに異なる複数の予測モデルと、プラント設備の稼働実績データ、現在の稼働状況に関するデータ、気象観測データ、及び天気予報に関するデータとを用いて、プラント設備の監視対象量の一次予測値を複数算出する一次予測ステップと、前記一次予測ステップにおいて予測された各一次予測値に二次予測ステップの実行タイミングに応じた重みを付与し、重みが付与された複数の一次予測値を用いてプラント設備の監視対象量の二次予測値をプラント設備の監視対象量の予測値として算出する二次予測ステップと、を含むことを特徴とする監視対象量予測方法が開示されている。
しかしながら、本発明者らが検討したところ、廃液処理の条件を最適化させるという点については、依然として改善の余地があることがわかってきた。
本発明では上記事情に鑑み、廃液の性質の変動に柔軟に対応することができる廃液処理設備の運転方法等を提供することとした。
具体的に、本発明は以下のものを提供する。
（１）
製品生産プロセスからの廃液を処理する廃液処理設備の運転方法であって、
データ取得工程と、廃液予測値出力工程と、運転条件設定工程と、を備え、
前記データ取得工程では、第１の時間における前記製品生産プロセスでの製品生産プロセスデータを含む第１のデータを取得し、
前記廃液予測値出力工程では、前記第１のデータと、廃液の性質を予測する予測モデルと、に基づき、前記第１の時間以降の第２の時間における前記製品生産プロセスからの廃液の性質に関する予測値を出力し、
ここで、前記予測モデルは、前記製品生産プロセスにおける過去の製品生産プロセスデータと、その際に排出された廃液の性質に関するデータと、が関連付けられて作成されたモデルであり、
前記運転条件設定工程では、前記廃液予測値出力工程で出力された前記廃液の性質に関する予測値に基づき、前記廃液処理設備の運転条件パラメータを設定する、廃液処理設備の運転方法。
（２）
（１）に記載の廃液処理設備の運転方法において、
前記予測モデルは、前記廃液予測値出力工程が実行される前に更新可能に構成されるモデルである、廃液処理設備の運転方法。
（３）
（１）又は（２）に記載の廃液処理設備の運転方法において、
前記予測モデルは、前記製品生産プロセスで生産される製品の所定のパラメータ、がさらに関連付けられて作成されたモデルであり、
前記データ取得工程で取得される前記第１のデータは、前記製品の所定のパラメータに関する情報をさらに含む、廃液処理設備の運転方法。
（４）
製品生産プロセスからの廃液を処理する廃液処理設備の処理後廃液の性質を予測する方法であって、
データ取得工程と、処理後廃液予測値出力工程と、を備え、
前記データ取得工程では、第１の時間における前記製品生産プロセスでの製品生産プロセスデータ及び前記廃液処理設備が実行しようとする運転条件パラメータを含む第２のデータを取得し、
前記処理後廃液予測値出力工程では、前記第２のデータと、処理後廃液の性質を予測する予測モデルと、に基づき、前記第１の時間以降の第２の時間における廃液処理設備の処理後廃液の性質に関する予測値を出力し、
ここで、前記予測モデルは、前記製品生産プロセスにおける過去の製品生産プロセスデータと、その際に排出された廃液の性質に関するデータと、その際に前記廃液処理設備が排出された廃液を処理した運転条件パラメータと、処理後廃液の性質と、が関連付けられて作成されたモデルである、処理後廃液の性質を予測する方法。
（５）
（４）に記載の処理後廃液の性質を予測する方法において、
データ再取得工程と、処理後廃液予測値再出力工程と、をさらに備え、
前記データ再取得工程では、前記処理後廃液予測値出力工程で出力された前記処理後廃液の性質に関する予測値が所定の範囲に属さない場合、前記廃液処理設備が実行しようとする運転条件パラメータを再設定の上、前記第２のデータを取得し、
前記処理後廃液予測値再出力工程では、前記データ再取得工程で取得した前記第２のデータと、処理後廃液の性質を予測する前記予測モデルと、に基づき、前記第２の時間における前記廃液処理設備の処理後廃液の性質に関する予測値を再出力する、処理後廃液の性質を予測する方法。
（６）
（４）又は（５）に記載の処理後廃液の性質を予測する方法において、
前記予測モデルは、前記処理後廃液予測値出力工程が実行される前に更新可能に構成されるモデルである、処理後廃液の性質を予測する方法。
（７）
（４）ないし（６）のいずれか１項に記載の処理後廃液の性質を予測する方法において、
前記予測モデルは、前記廃液の温度及び／又は温度の推移と、これらに対応した生物処理能力と、がさらに関連付けられて作成されたモデルであり、
前記データ取得工程で取得される前記第２のデータは、前記廃液の温度及び／又は温度の推移に関する情報をさらに含む、処理後廃液の性質を予測する方法。
（８）
（４）ないし（７）のいずれか１項に記載の処理後廃液の性質を予測する方法において、
前記データ取得工程は、前記廃液処理設備が実行しようとする運転条件パラメータの一部に対する制約条件が設定可能に構成される、処理後廃液の性質を予測する方法。
（９）
（４）ないし（７）のいずれか１項に記載の処理後廃液の性質を予測する方法において、
前記予測モデルは、前記製品生産プロセスで生産される製品の所定のパラメータ、がさらに関連付けられて作成されたモデルであり、
前記データ取得工程で取得される前記第２のデータは、前記製品の所定のパラメータに関する情報をさらに含む、処理後廃液の性質を予測する方法。
（１０）
製品生産プロセスからの廃液を処理する廃液処理設備の運転システムであって、
データ取得部と、廃液予測値出力部と、運転条件設定部と、を備え、
前記データ取得部は、第１の時間における前記製品生産プロセスでの製品生産プロセスデータを含む第１のデータを取得し、
前記廃液予測値出力部は、前記第１のデータと、廃液の性質を予測する予測モデルと、に基づき、前記第１の時間以降の第２の時間における前記製品生産プロセスからの廃液の性質に関する予測値を出力し、
ここで、前記予測モデルは、前記製品生産プロセスにおける過去の製品生産プロセスデータと、その際に排出された廃液の性質に関するデータと、が関連付けられて作成されたモデルであり、
前記運転条件設定部は、前記廃液予測値出力部が出力した前記廃液の性質に関する予測値に基づき、前記廃液処理設備の運転条件パラメータを設定する、運転システム。
（１１）
製品生産プロセスからの廃液を処理する廃液処理設備の処理後廃液の性質を予測する予測システムであって、
データ取得部と、処理後廃液予測値出力部と、を備え、
前記データ取得部は、第１の時間における前記製品生産プロセスでの製品生産プロセスデータ及び前記廃液処理設備が実行しようとする運転条件パラメータを含む第２のデータを取得し、
前記処理後廃液予測値出力部は、前記第２のデータと、処理後廃液の性質を予測する予測モデルと、に基づき、前記第１の時間以降の第２の時間における廃液処理設備の処理後廃液の性質に関する予測値を出力し、
ここで、前記予測モデルは、前記製品生産プロセスにおける過去の製品生産プロセスデータと、その際に排出された廃液の性質に関するデータと、その際に前記廃液処理設備が排出された廃液を処理したときの運転条件パラメータと、処理後廃液の性質と、が関連付けられて作成されたモデルである、予測システム。
（１）
製品生産プロセスからの廃液を処理する廃液処理設備の運転方法であって、
データ取得工程と、廃液予測値出力工程と、運転条件設定工程と、を備え、
前記データ取得工程では、第１の時間における前記製品生産プロセスでの製品生産プロセスデータを含む第１のデータを取得し、
前記廃液予測値出力工程では、前記第１のデータと、廃液の性質を予測する予測モデルと、に基づき、前記第１の時間以降の第２の時間における前記製品生産プロセスからの廃液の性質に関する予測値を出力し、
ここで、前記予測モデルは、前記製品生産プロセスにおける過去の製品生産プロセスデータと、その際に排出された廃液の性質に関するデータと、が関連付けられて作成されたモデルであり、
前記運転条件設定工程では、前記廃液予測値出力工程で出力された前記廃液の性質に関する予測値に基づき、前記廃液処理設備の運転条件パラメータを設定する、廃液処理設備の運転方法。
（２）
（１）に記載の廃液処理設備の運転方法において、
前記予測モデルは、前記廃液予測値出力工程が実行される前に更新可能に構成されるモデルである、廃液処理設備の運転方法。
（３）
（１）又は（２）に記載の廃液処理設備の運転方法において、
前記予測モデルは、前記製品生産プロセスで生産される製品の所定のパラメータ、がさらに関連付けられて作成されたモデルであり、
前記データ取得工程で取得される前記第１のデータは、前記製品の所定のパラメータに関する情報をさらに含む、廃液処理設備の運転方法。
（４）
製品生産プロセスからの廃液を処理する廃液処理設備の処理後廃液の性質を予測する方法であって、
データ取得工程と、処理後廃液予測値出力工程と、を備え、
前記データ取得工程では、第１の時間における前記製品生産プロセスでの製品生産プロセスデータ及び前記廃液処理設備が実行しようとする運転条件パラメータを含む第２のデータを取得し、
前記処理後廃液予測値出力工程では、前記第２のデータと、処理後廃液の性質を予測する予測モデルと、に基づき、前記第１の時間以降の第２の時間における廃液処理設備の処理後廃液の性質に関する予測値を出力し、
ここで、前記予測モデルは、前記製品生産プロセスにおける過去の製品生産プロセスデータと、その際に排出された廃液の性質に関するデータと、その際に前記廃液処理設備が排出された廃液を処理した運転条件パラメータと、処理後廃液の性質と、が関連付けられて作成されたモデルである、処理後廃液の性質を予測する方法。
（５）
（４）に記載の処理後廃液の性質を予測する方法において、
データ再取得工程と、処理後廃液予測値再出力工程と、をさらに備え、
前記データ再取得工程では、前記処理後廃液予測値出力工程で出力された前記処理後廃液の性質に関する予測値が所定の範囲に属さない場合、前記廃液処理設備が実行しようとする運転条件パラメータを再設定の上、前記第２のデータを取得し、
前記処理後廃液予測値再出力工程では、前記データ再取得工程で取得した前記第２のデータと、処理後廃液の性質を予測する前記予測モデルと、に基づき、前記第２の時間における前記廃液処理設備の処理後廃液の性質に関する予測値を再出力する、処理後廃液の性質を予測する方法。
（６）
（４）又は（５）に記載の処理後廃液の性質を予測する方法において、
前記予測モデルは、前記処理後廃液予測値出力工程が実行される前に更新可能に構成されるモデルである、処理後廃液の性質を予測する方法。
（７）
（４）ないし（６）のいずれか１項に記載の処理後廃液の性質を予測する方法において、
前記予測モデルは、前記廃液の温度及び／又は温度の推移と、これらに対応した生物処理能力と、がさらに関連付けられて作成されたモデルであり、
前記データ取得工程で取得される前記第２のデータは、前記廃液の温度及び／又は温度の推移に関する情報をさらに含む、処理後廃液の性質を予測する方法。
（８）
（４）ないし（７）のいずれか１項に記載の処理後廃液の性質を予測する方法において、
前記データ取得工程は、前記廃液処理設備が実行しようとする運転条件パラメータの一部に対する制約条件が設定可能に構成される、処理後廃液の性質を予測する方法。
（９）
（４）ないし（７）のいずれか１項に記載の処理後廃液の性質を予測する方法において、
前記予測モデルは、前記製品生産プロセスで生産される製品の所定のパラメータ、がさらに関連付けられて作成されたモデルであり、
前記データ取得工程で取得される前記第２のデータは、前記製品の所定のパラメータに関する情報をさらに含む、処理後廃液の性質を予測する方法。
（１０）
製品生産プロセスからの廃液を処理する廃液処理設備の運転システムであって、
データ取得部と、廃液予測値出力部と、運転条件設定部と、を備え、
前記データ取得部は、第１の時間における前記製品生産プロセスでの製品生産プロセスデータを含む第１のデータを取得し、
前記廃液予測値出力部は、前記第１のデータと、廃液の性質を予測する予測モデルと、に基づき、前記第１の時間以降の第２の時間における前記製品生産プロセスからの廃液の性質に関する予測値を出力し、
ここで、前記予測モデルは、前記製品生産プロセスにおける過去の製品生産プロセスデータと、その際に排出された廃液の性質に関するデータと、が関連付けられて作成されたモデルであり、
前記運転条件設定部は、前記廃液予測値出力部が出力した前記廃液の性質に関する予測値に基づき、前記廃液処理設備の運転条件パラメータを設定する、運転システム。
（１１）
製品生産プロセスからの廃液を処理する廃液処理設備の処理後廃液の性質を予測する予測システムであって、
データ取得部と、処理後廃液予測値出力部と、を備え、
前記データ取得部は、第１の時間における前記製品生産プロセスでの製品生産プロセスデータ及び前記廃液処理設備が実行しようとする運転条件パラメータを含む第２のデータを取得し、
前記処理後廃液予測値出力部は、前記第２のデータと、処理後廃液の性質を予測する予測モデルと、に基づき、前記第１の時間以降の第２の時間における廃液処理設備の処理後廃液の性質に関する予測値を出力し、
ここで、前記予測モデルは、前記製品生産プロセスにおける過去の製品生産プロセスデータと、その際に排出された廃液の性質に関するデータと、その際に前記廃液処理設備が排出された廃液を処理したときの運転条件パラメータと、処理後廃液の性質と、が関連付けられて作成されたモデルである、予測システム。
前述の特許文献１に開示された技術は、あくまで排水の処理を行うプラントそれ自体の稼働状況にしか着目がされていない。これに対し、本願の廃液処理設備の運転方法においては、廃液発生の上流に位置付けられる製品生産プロセスに関するデータを活用し、これによって廃液処理設備の運転条件を最適化し得るものである。
より詳細には、製品生産プロセスデータと、廃液処理データとを関連付けることにより、廃液の性質の変動等を予測し、廃液処理設備の運転条件を最適化することができる。また、これにより廃液処理設備の運転コストや環境負荷の最小化を行うことが可能である。
また、廃液処理設備の限られた処理能力の中であっても、製品生産プロセスに紐づく廃液処理データに関するパラメータを調整することで、追加の設備投資等を行うことなく、目標とする廃液の性質（廃水水質基準値等）を達成することができる。
より詳細には、製品生産プロセスデータと、廃液処理データとを関連付けることにより、廃液の性質の変動等を予測し、廃液処理設備の運転条件を最適化することができる。また、これにより廃液処理設備の運転コストや環境負荷の最小化を行うことが可能である。
また、廃液処理設備の限られた処理能力の中であっても、製品生産プロセスに紐づく廃液処理データに関するパラメータを調整することで、追加の設備投資等を行うことなく、目標とする廃液の性質（廃水水質基準値等）を達成することができる。
このことから、上記態様によれば、廃液の性質の変動に柔軟に対応することができる廃液処理設備の運転方法等が提供されるといえる。
以下、本発明の実施形態について説明する。なお、以下に示す実施形態中で示した各種特徴事項は、互いに組み合わせ可能である。
ところで、本実施形態に登場するソフトウェアを実現するためのプログラムは、コンピュータが読み取り可能な非一時的な記録媒体（Ｎｏｎ－Ｔｒａｎｓｉｔｏｒｙ Ｃｏｍｐｕｔｅｒ－Ｒｅａｄａｂｌｅ Ｍｅｄｉｕｍ）として提供されてもよいし、外部のサーバからダウンロード可能に提供されてもよいし、外部のコンピュータで当該プログラムを起動させてクライアント端末でその機能を実現（いわゆるクラウドコンピューティング）するように提供されてもよい。
また、本実施形態において「部」とは、例えば、広義の回路によって実施されるハードウェア資源と、これらのハードウェア資源によって具体的に実現されうるソフトウェアの情報処理とを合わせたものも含みうる。また、本実施形態においては様々な情報を取り扱うが、これら情報は、例えば電圧・電流を表す信号値の物理的な値、０または１で構成される２進数のビット集合体としての信号値の高低、または量子的な重ね合わせ（いわゆる量子ビット）によって表され、広義の回路上で通信・演算が実行されうる。
また、広義の回路とは、回路（Ｃｉｒｃｕｉｔ）、回路類（Ｃｉｒｃｕｉｔｒｙ）、プロセッサ（Ｐｒｏｃｅｓｓｏｒ）、およびメモリ（Ｍｅｍｏｒｙ）等を少なくとも適当に組み合わせることによって実現される回路である。すなわち、特定用途向け集積回路（Ａｐｐｌｉｃａｔｉｏｎ Ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ：ＡＳＩＣ）、プログラマブル論理デバイス（例えば、単純プログラマブル論理デバイス（Ｓｉｍｐｌｅ Ｐｒｏｇｒａｍｍａｂｌｅ Ｌｏｇｉｃ Ｄｅｖｉｃｅ：ＳＰＬＤ）、複合プログラマブル論理デバイス（Ｃｏｍｐｌｅｘ Ｐｒｏｇｒａｍｍａｂｌｅ Ｌｏｇｉｃ Ｄｅｖｉｃｅ：ＣＰＬＤ）、およびフィールドプログラマブルゲートアレイ（Ｆｉｅｌｄ Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ：ＦＰＧＡ））等を含むものである。
１．ハードウェア構成
本節では、本実施形態に係る情報処理システム１００のハードウェア構成について説明する。図１は、情報処理システム１００の全体構成を示す図である。
本節では、本実施形態に係る情報処理システム１００のハードウェア構成について説明する。図１は、情報処理システム１００の全体構成を示す図である。
本実施形態の情報処理システム１００は、製品生産プロセスからの廃液を処理する廃液処理設備の運転方法（単に「運転方法」と称することもある。）や、製品生産プロセスからの廃液を処理する廃液処理設備の処理後廃液の性質を予測する方法（単に「予測方法」と称することもある。）を実行可能に構成されるシステムである。また、このような観点から、本実施形態の情報処理システム１００を、「運転システム」や「予測システム」と称することもある。
ここで、本実施形態の情報処理システム１００は、情報処理装置１と、通信回線２と、を備える。通信回線２は、インターネット等を含み、自回線に接続する装置同士のデータのやり取りを仲介する。なお、本実施形態の情報処理システム１００において、情報処理装置１は、通信回線２を介して、プラントＰＬ１と、プラントＰＬ２とに接続されている。
なお、情報処理システム１００に例示されるシステムとは、１つ又はそれ以上の装置又は構成要素からなるものである。したがって、情報処理装置１単体であってもシステムの一例となる。
ここで、本実施形態の情報処理システム１００は、情報処理装置１と、通信回線２と、を備える。通信回線２は、インターネット等を含み、自回線に接続する装置同士のデータのやり取りを仲介する。なお、本実施形態の情報処理システム１００において、情報処理装置１は、通信回線２を介して、プラントＰＬ１と、プラントＰＬ２とに接続されている。
なお、情報処理システム１００に例示されるシステムとは、１つ又はそれ以上の装置又は構成要素からなるものである。したがって、情報処理装置１単体であってもシステムの一例となる。
ここで、プラントＰＬ１は製品生産プロセスを実行するプラントであり、プラントＰＬ２は製品生産プロセスからの廃液を処理する廃液処理設備として機能するプラントである。すなわち、廃液の流れとしては、プラントＰＬ１はプラントＰＬ２に対して上流に位置するものであり、典型的には、プラントＰＬ１で生じた廃液が液体ラインＬＬ１を介してプラントＰＬ２に移送される。
プラントＰＬ２内に配置される機器などは、廃液の種類に応じて適宜設定できる。たとえば、廃液が水系である場合は、生物処理装置等がプラントＰＬ２内に備えられていてもよい。なお、この生物処理装置には廃水を浄化しうる微生物等が適用されていてもよい。
なお、図１には図示しないが、液体ラインＬＬ１に対してセンサが取り付けられ、このセンサと情報処理装置１とが通信回線２を介して接続されていてもよい。
プラントＰＬ２内に配置される機器などは、廃液の種類に応じて適宜設定できる。たとえば、廃液が水系である場合は、生物処理装置等がプラントＰＬ２内に備えられていてもよい。なお、この生物処理装置には廃水を浄化しうる微生物等が適用されていてもよい。
なお、図１には図示しないが、液体ラインＬＬ１に対してセンサが取り付けられ、このセンサと情報処理装置１とが通信回線２を介して接続されていてもよい。
図２は、情報処理装置１のハードウェア構成を示す図である。情報処理装置１は、制御部１１と、記憶部１２と、入力部１３と、表示部１４と、通信部１５とを有しており、これらの各部を通信バス１０が電気的に接続することで構成される。以下、情報処理装置１に備えられる各部について説明を行う。
（制御部１１）
制御部１１は、例えば不図示の中央処理装置（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ：ＣＰＵ）である。制御部１１は、記憶部１２に記憶された所定のプログラムを読み出すことによって、情報処理装置１に係る種々の機能を実現する。すなわち、記憶部１２に記憶されているソフトウェアによる情報処理が、ハードウェアの一例である制御部１１によって具体的に実現されることで、制御部１１に含まれる各機能部として実行されうる。これらについては、次節においてさらに詳述する。なお、制御部１１は単一であることに限定されず、機能ごとに複数の制御部１１を有するように実施してもよい。またそれらの組合せであってもよい。
制御部１１は、例えば不図示の中央処理装置（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ：ＣＰＵ）である。制御部１１は、記憶部１２に記憶された所定のプログラムを読み出すことによって、情報処理装置１に係る種々の機能を実現する。すなわち、記憶部１２に記憶されているソフトウェアによる情報処理が、ハードウェアの一例である制御部１１によって具体的に実現されることで、制御部１１に含まれる各機能部として実行されうる。これらについては、次節においてさらに詳述する。なお、制御部１１は単一であることに限定されず、機能ごとに複数の制御部１１を有するように実施してもよい。またそれらの組合せであってもよい。
（記憶部１２）
記憶部１２は、前述の記載により定義される様々な情報を記憶する。これは、例えば、制御部１１によって実行される情報処理装置１に係る種々のプログラム等を記憶するソリッドステートドライブ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ：ＳＳＤ）等のストレージデバイスとして、あるいは、プログラムの演算に係る一時的に必要な情報（引数、配列等）を記憶するランダムアクセスメモリ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ：ＲＡＭ）等のメモリとして実施されうる。記憶部１２は、制御部１１によって実行される情報処理装置１に係る種々のプログラムや変数等を記憶している。
記憶部１２は、前述の記載により定義される様々な情報を記憶する。これは、例えば、制御部１１によって実行される情報処理装置１に係る種々のプログラム等を記憶するソリッドステートドライブ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ：ＳＳＤ）等のストレージデバイスとして、あるいは、プログラムの演算に係る一時的に必要な情報（引数、配列等）を記憶するランダムアクセスメモリ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ：ＲＡＭ）等のメモリとして実施されうる。記憶部１２は、制御部１１によって実行される情報処理装置１に係る種々のプログラムや変数等を記憶している。
（入力部１３）
入力部１３は、情報処理装置１の筐体に含まれるものであってもよいし、外付けされるものであってもよい。例えば、入力部１３は、表示部１４と一体となってタッチパネルとして実施されてもよい。タッチパネルであれば、ユーザは、タップ操作、スワイプ操作等を入力することができる。もちろん、タッチパネルに代えて、スイッチボタン、マウス、ＱＷＥＲＴＹキーボード等を採用してもよい。すなわち、入力部１３がユーザによってなされた操作入力を受け付ける。当該入力が命令信号として、通信バス１０を介して制御部１１に転送され、制御部１１が必要に応じて所定の制御や演算を実行しうる。
入力部１３は、情報処理装置１の筐体に含まれるものであってもよいし、外付けされるものであってもよい。例えば、入力部１３は、表示部１４と一体となってタッチパネルとして実施されてもよい。タッチパネルであれば、ユーザは、タップ操作、スワイプ操作等を入力することができる。もちろん、タッチパネルに代えて、スイッチボタン、マウス、ＱＷＥＲＴＹキーボード等を採用してもよい。すなわち、入力部１３がユーザによってなされた操作入力を受け付ける。当該入力が命令信号として、通信バス１０を介して制御部１１に転送され、制御部１１が必要に応じて所定の制御や演算を実行しうる。
（表示部１４）
表示部１４は、例えば、情報処理装置１の筐体に含まれるものであってもよいし、外付けされるものであってもよい。表示部１４は、ユーザが操作可能なグラフィカルユーザインターフェース（Ｇｒａｐｈｉｃａｌ Ｕｓｅｒ Ｉｎｔｅｒｆａｃｅ：ＧＵＩ）の画面を表示する。これは例えば、ＣＲＴディスプレイ、液晶ディスプレイ、有機ＥＬディスプレイ及びプラズマディスプレイ等の表示デバイスを、情報処理装置１の種類に応じて使い分けて実施することが好ましい。
表示部１４は、例えば、情報処理装置１の筐体に含まれるものであってもよいし、外付けされるものであってもよい。表示部１４は、ユーザが操作可能なグラフィカルユーザインターフェース（Ｇｒａｐｈｉｃａｌ Ｕｓｅｒ Ｉｎｔｅｒｆａｃｅ：ＧＵＩ）の画面を表示する。これは例えば、ＣＲＴディスプレイ、液晶ディスプレイ、有機ＥＬディスプレイ及びプラズマディスプレイ等の表示デバイスを、情報処理装置１の種類に応じて使い分けて実施することが好ましい。
（通信部１５）
通信部１５は、情報処理装置１から種々の電気信号を外部の構成要素に送信可能に構成される。また、通信部１５は、外部の構成要素から情報処理装置１への種々の電気信号を受信可能に構成される。なお、通信部１５がネットワーク通信機能を有し、これにより通信回線２を介して、情報処理装置１と外部機器との間で種々の情報を通信可能に実施してもよい。
通信部１５は、情報処理装置１から種々の電気信号を外部の構成要素に送信可能に構成される。また、通信部１５は、外部の構成要素から情報処理装置１への種々の電気信号を受信可能に構成される。なお、通信部１５がネットワーク通信機能を有し、これにより通信回線２を介して、情報処理装置１と外部機器との間で種々の情報を通信可能に実施してもよい。
また、図示はしないが、通信回線２を介して情報処理装置１と接続されているプラントＰＬ１と、プラントＰＬ２とについても、前述の情報処理装置１と同様のハードウェア構成の装置を備えていてもよい。
２．機能構成
本節では、本実施形態の機能構成について説明する。図３は、情報処理装置１の機能を示す機能ブロック図である。前述の通り、ソフトウェア（記憶部１２に記憶されている）による情報処理がハードウェア（制御部１１）によって具体的に実現されることで、制御部１１に含まれる各機能部として実行されうる。
本節では、本実施形態の機能構成について説明する。図３は、情報処理装置１の機能を示す機能ブロック図である。前述の通り、ソフトウェア（記憶部１２に記憶されている）による情報処理がハードウェア（制御部１１）によって具体的に実現されることで、制御部１１に含まれる各機能部として実行されうる。
具体的には、情報処理装置１（制御部１１）は、各機能部としてデータ取得部１１１と、廃液予測値出力部１１２と、運転条件設定部１１３と、処理後廃液予測値出力部１１４と、データ再取得部１１５と、処理後廃液予測値再出力部１１６と、予測モデル作成部１１７と、記憶管理部１１８と、を備えうる。なお、このような各機能部については、情報処理装置１を適用する用途等に応じて適宜増加又は省略されていてもよい。
（データ取得部１１１）
データ取得部１１１は、データ取得工程を実行可能に構成される。データ取得工程において、データ取得部１１１は、第１の時間における製品生産プロセスでの製品生産プロセスデータを含む第１のデータを取得する。また、データ取得工程において、データ取得部１１１は、第１の時間における製品生産プロセスでの製品生産プロセスデータ及び廃液処理設備が実行しようとする運転条件パラメータを含む第２のデータを取得する。この取得に際して、データ取得部１１１は、例示的にはプラントＰＬ１に配置されたセンサや計器から、通信部１５を介して種々の情報（分析データ等）を取得するように構成される。
データ取得部１１１は、データ取得工程を実行可能に構成される。データ取得工程において、データ取得部１１１は、第１の時間における製品生産プロセスでの製品生産プロセスデータを含む第１のデータを取得する。また、データ取得工程において、データ取得部１１１は、第１の時間における製品生産プロセスでの製品生産プロセスデータ及び廃液処理設備が実行しようとする運転条件パラメータを含む第２のデータを取得する。この取得に際して、データ取得部１１１は、例示的にはプラントＰＬ１に配置されたセンサや計器から、通信部１５を介して種々の情報（分析データ等）を取得するように構成される。
（廃液予測値出力部１１２）
廃液予測値出力部１１２は、廃液予測値出力工程を実行可能に構成される。廃液予測値出力工程において、廃液予測値出力部１１２は、前述した第１のデータと、廃液の性質を予測する予測モデルと、に基づき、第１の時間以降の第２の時間における製品生産プロセスからの廃液の性質に関する予測値を出力する。ここで、予測モデルは、製品生産プロセスにおける過去の製品生産プロセスデータと、その際に排出された廃液の性質に関するデータと、が関連付けられて作成されたモデルである。この情報処理の詳細は追って述べることとする。
廃液予測値出力部１１２は、廃液予測値出力工程を実行可能に構成される。廃液予測値出力工程において、廃液予測値出力部１１２は、前述した第１のデータと、廃液の性質を予測する予測モデルと、に基づき、第１の時間以降の第２の時間における製品生産プロセスからの廃液の性質に関する予測値を出力する。ここで、予測モデルは、製品生産プロセスにおける過去の製品生産プロセスデータと、その際に排出された廃液の性質に関するデータと、が関連付けられて作成されたモデルである。この情報処理の詳細は追って述べることとする。
（運転条件設定部１１３）
運転条件設定部１１３は、運転条件設定工程を実行可能に構成される。運転条件設定工程において、運転条件設定部１１３は、廃液予測値出力部が出力した廃液の性質に関する予測値に基づき、廃液処理設備の運転条件パラメータを設定する。この運転条件設定に際して、運転条件設定部１１３は、典型的にはプラントＰＬ２に配置された各種機器に対し、通信部１５を介して種々の情報（信号等）を送信するように構成される。
運転条件設定部１１３は、運転条件設定工程を実行可能に構成される。運転条件設定工程において、運転条件設定部１１３は、廃液予測値出力部が出力した廃液の性質に関する予測値に基づき、廃液処理設備の運転条件パラメータを設定する。この運転条件設定に際して、運転条件設定部１１３は、典型的にはプラントＰＬ２に配置された各種機器に対し、通信部１５を介して種々の情報（信号等）を送信するように構成される。
（処理後廃液予測値出力部１１４）
処理後廃液予測値出力部１１４は、処理後廃液予測値出力工程を実行可能に構成される。処理後廃液予測値出力工程において、処理後廃液予測値出力部１１４は、前述した第２のデータと、処理後廃液の性質を予測する予測モデルと、に基づき、第１の時間以降の第２の時間における廃液処理設備の処理後廃液の性質に関する予測値を出力する。ここで、予測モデルは、製品生産プロセスにおける過去の製品生産プロセスデータと、その際に排出された廃液の性質に関するデータと、その際に廃液処理設備が排出された廃液を処理したときの運転条件パラメータと、処理後廃液の性質と、が関連付けられて作成されたモデルである。この情報処理の詳細は追って述べることとする。
処理後廃液予測値出力部１１４は、処理後廃液予測値出力工程を実行可能に構成される。処理後廃液予測値出力工程において、処理後廃液予測値出力部１１４は、前述した第２のデータと、処理後廃液の性質を予測する予測モデルと、に基づき、第１の時間以降の第２の時間における廃液処理設備の処理後廃液の性質に関する予測値を出力する。ここで、予測モデルは、製品生産プロセスにおける過去の製品生産プロセスデータと、その際に排出された廃液の性質に関するデータと、その際に廃液処理設備が排出された廃液を処理したときの運転条件パラメータと、処理後廃液の性質と、が関連付けられて作成されたモデルである。この情報処理の詳細は追って述べることとする。
（データ再取得部１１５）
データ再取得部１１５は、データ再取得工程を実行可能に構成される。データ再取得工程において、データ再取得部１１５は、処理後廃液予測値出力工程で出力された処理後廃液の性質に関する予測値が所定の範囲に属さない場合、廃液処理設備が実行しようとする運転条件パラメータを再設定の上、第２のデータを取得する。具体的な態様については追って説明することとする。
データ再取得部１１５は、データ再取得工程を実行可能に構成される。データ再取得工程において、データ再取得部１１５は、処理後廃液予測値出力工程で出力された処理後廃液の性質に関する予測値が所定の範囲に属さない場合、廃液処理設備が実行しようとする運転条件パラメータを再設定の上、第２のデータを取得する。具体的な態様については追って説明することとする。
（処理後廃液予測値再出力部１１６）
処理後廃液予測値再出力部１１６は、処理後廃液予測値再出力工程を実行可能に構成される。処理後廃液予測値再出力工程において、処理後廃液予測値再出力部１１６は、データ再取得工程で取得した第２のデータと、処理後廃液の性質を予測する予測モデルと、に基づき、第２の時間における廃液処理設備の処理後廃液の性質に関する予測値を再出力する。
処理後廃液予測値再出力部１１６は、処理後廃液予測値再出力工程を実行可能に構成される。処理後廃液予測値再出力工程において、処理後廃液予測値再出力部１１６は、データ再取得工程で取得した第２のデータと、処理後廃液の性質を予測する予測モデルと、に基づき、第２の時間における廃液処理設備の処理後廃液の性質に関する予測値を再出力する。
（予測モデル作成部１１７）
予測モデル作成部１１７は、予測モデル作成工程を実行可能に構成される。予測モデル作成工程においては、予測モデル作成部１１７は、前述した廃液予測値出力工程や、処理後廃液予測値出力工程等の際に用いられる予測モデルを作成又は更新する。
予測モデル作成部１１７は、予測モデル作成工程を実行可能に構成される。予測モデル作成工程においては、予測モデル作成部１１７は、前述した廃液予測値出力工程や、処理後廃液予測値出力工程等の際に用いられる予測モデルを作成又は更新する。
（記憶管理部１１８）
記憶管理部１１８は、記憶管理工程を実行可能に構成される。記憶管理工程において、記憶管理部１１８は、本実施形態の情報処理システム１００に関連する、記憶すべき種々の情報について管理するように構成される。典型的には、記憶管理部１１８は、プラントＰＬ１や、プラントＰＬ２から情報処理装置１に入力した情報等を記憶領域に記憶させるように構成される。この記憶領域は、たとえば情報処理装置１の記憶部１２や各種端末の記憶部が例示されるが、この記憶領域は必ずしも情報処理システム１００のシステム内である必要はなく、記憶管理部１１８は、種々の情報を外部記憶装置などに記憶するように管理することもできる。
記憶管理部１１８は、記憶管理工程を実行可能に構成される。記憶管理工程において、記憶管理部１１８は、本実施形態の情報処理システム１００に関連する、記憶すべき種々の情報について管理するように構成される。典型的には、記憶管理部１１８は、プラントＰＬ１や、プラントＰＬ２から情報処理装置１に入力した情報等を記憶領域に記憶させるように構成される。この記憶領域は、たとえば情報処理装置１の記憶部１２や各種端末の記憶部が例示されるが、この記憶領域は必ずしも情報処理システム１００のシステム内である必要はなく、記憶管理部１１８は、種々の情報を外部記憶装置などに記憶するように管理することもできる。
３．情報処理の詳細
第３節では、アクティビティ図等を参照しながら、情報処理装置１等が実行する情報処理方法について説明する。
第３節では、アクティビティ図等を参照しながら、情報処理装置１等が実行する情報処理方法について説明する。
（適用対象）
まず、本実施形態の情報処理装置１の適用対象について説明する。前述の通り、本実施形態の情報処理システム１００（情報処理装置１）は、廃液処理設備の運転方法や、廃液処理設備の処理後廃液を予測する方法に用いられるが、ここでの廃液の種類は適宜設定することができる。
すなわち、製品生産プロセスから供給される廃液は、当該製品生産プロセスの種類に応じるものであって、水系のものであっても、油系のものでもあってもよい。すなわち、本実施形態における製品生産プロセスを実行するプラントＰＬ１は、その製造品目が限定されることはなく、製紙プラント、鉄鋼プラント、発電プラント、石油プラント、化学プラント等、公知の種々のプラントである場合が想定される。
以下、製品生産プロセスからの廃液が水系である場合を想定して、廃液処理設備の運転方法、廃液処理設備の処理後廃液を予測する方法のそれぞれについての情報処理の流れを説明していくこととする。
まず、本実施形態の情報処理装置１の適用対象について説明する。前述の通り、本実施形態の情報処理システム１００（情報処理装置１）は、廃液処理設備の運転方法や、廃液処理設備の処理後廃液を予測する方法に用いられるが、ここでの廃液の種類は適宜設定することができる。
すなわち、製品生産プロセスから供給される廃液は、当該製品生産プロセスの種類に応じるものであって、水系のものであっても、油系のものでもあってもよい。すなわち、本実施形態における製品生産プロセスを実行するプラントＰＬ１は、その製造品目が限定されることはなく、製紙プラント、鉄鋼プラント、発電プラント、石油プラント、化学プラント等、公知の種々のプラントである場合が想定される。
以下、製品生産プロセスからの廃液が水系である場合を想定して、廃液処理設備の運転方法、廃液処理設備の処理後廃液を予測する方法のそれぞれについての情報処理の流れを説明していくこととする。
（情報処理の流れ（廃液処理設備の運転方法））
本実施形態の情報処理装置１等の行う情報処理の流れについて、図４等を用いて説明する。図４は、情報処理装置１等を用いた情報処理の流れを表すアクティビティ図である。
本実施形態の情報処理装置１等の行う情報処理の流れについて、図４等を用いて説明する。図４は、情報処理装置１等を用いた情報処理の流れを表すアクティビティ図である。
まず、本実施形態の運転方法では、データ取得部１１１が、第１の時間における製品生産プロセスでの製品生産プロセスデータを含む第１のデータを取得する（アクティビティＡ１０１）。
ここでの第１のデータは、第１の時間における製品生産プロセスでの製品生産プロセスデータを含むが、この製品生産プロセスデータとは、製品の生産量、生産銘柄、使用薬品およびその量、被処理廃液の量、プラントＰＬ１内における制御パラメータ等が包含される。
このデータの取得は、例示的にはプラントＰＬ１に配置されたセンサや計器から、通信部１５を介して種々の情報（分析データ等）を取得することで達成される。すなわち、製品の生産量であれば、生産された製品を秤量する際の重量を、データ取得部１１１が第１のデータの少なくとも一部として取得することによって本アクティビティは達成される。
なお、第１のデータを構成するデータ（データ群）は、定量的なものであっても、定性的なものであってもよい。定性的なパラメータを用いる場合、数値を割り振って、定量的なデータとして扱ってもよい。
なお、第１のデータを構成するデータ（データ群）は、定量的なものであっても、定性的なものであってもよい。定性的なパラメータを用いる場合、数値を割り振って、定量的なデータとして扱ってもよい。
このような製品生産プロセスデータに関し、以下、製品生産プロセス中に水系を用いる製紙工程における各種パラメータの具体例について説明する。この各種パラメータとしては水質パラメータ、制御パラメータ及び結果パラメータが例示される。
水質パラメータとしては、例えば水系のｐＨ、電気伝導率、酸化還元電位、ゼータ電位、濁度、温度、泡高さ、生物化学的酸素要求量（ＢＯＤ）、化学的酸素要求量（ＣＯＤ（例えばＣＯＤＭｎ、ＣＯＤＣｒ））、吸光度（例えば、ＵＶ吸光度）、色（例えば、ＲＧＢ値）、薬品残留濃度、粒度分布、凝集度合い、異物量、水面の発泡面積、水中の汚れ面積、気泡の量、グルコースの量、有機酸の量、デンプンの量、カルシウムの量、全塩素の量、遊離塩素の量、溶存酸素量、カチオン要求量、硫化水素の量、過酸化水素の量及び系内の微生物の呼吸速度等が挙げられる。
制御パラメータとしては、例えば抄紙機の運転速度（抄速）、原料脱水機のろ布回転速度、洗浄機のろ布回転速度、水系に対する薬品添加量、水系に添加する原料に対する薬品添加量、水系に関連する設備に対する薬品添加量、加熱用の蒸気量、加熱用の蒸気温度、加熱用の蒸気圧力、種箱からの流量、プレスパートのニップ圧、プレスパートのフェルトバキューム圧、製紙原料の配合比率、製紙原料の損紙配合量、製紙原料のスクリーンの目開き、叩解機のローターとステーターの間の隙間距離、フリーネス及び叩解度等が挙げられる。なお、「水系に関連する設備」としては、例えば薬品を直接添加する抄紙機のワイヤーやフェルト等の設備が挙げられる。
結果パラメータとしては、例えば白水濃度、紙製品を製造する設備内の蒸気量、紙製品を製造する設備内の蒸気量、紙製品を製造する設備内の蒸気温度、紙製品を製造する設備内の蒸気圧力、工程内における断紙の時期、フリーネス、叩解度及び曝気量等が挙げられる。このうち、紙製品を製造する設備内の蒸気量としては、例えば抄紙機ドライヤーの蒸気量、クラフトパルプ黒液エバポレータの蒸気量、クラフトパルプ蒸解釜の黒液ヒーターの蒸気量、パルプ原料や白水加温のために吹き込んでいる蒸気量を用いることができる。
なお、第１のデータは、製品の所定のパラメータに関する情報をさらに含んでもよい。ここで製品の所定のパラメータとは、典型的には製品に関する分析値であり、製品の出来栄えや品質（製品純度や、含有される不純物、機器による分析値等）である場合が例示される。このような製品の所定のパラメータは、プラントＰＬ１内に配置された各種センサから、通信部１５を介して取得することもできるし、また、プラントＰＬ１が発行する品質保証書等の内容を元に取得することもできる。
前述に倣い、製品生産プロセス中に水系を用いる製紙工程における各種パラメータの具体例について説明すると、このような製品の所定のパラメータとしては、紙製品の単位重量（米坪）、歩留率、紙製品の含水率、紙製品の厚さ、紙製品中の灰分濃度、紙製品の欠点の種類、紙製品の欠点の数等が挙げられる。
本実施形態の運転方法では、このように第１のデータを取得した後、第１のデータと、廃液の性質を予測する予測モデルと、に基づき、第１の時間以降の第２の時間における製品生産プロセスからの廃液の性質に関する予測値を出力する（アクティビティＡ１０２）。
本アクティビティにおいて、予測モデルは、製品生産プロセスにおける過去の製品生産プロセスデータと、その際に排出された廃液の性質に関するデータと、が関連付けられて作成されたモデルである。
ここで本予測モデルは、事前に製品生産プロセスの実績と、その際に排出された廃液の性質との関係性をモデル化したものであるが、このモデルとしては、例えば両者の関係を示す関数、ルックアップテーブルであってもよく、両者の関係を学習させた学習済モデルであってもよい。
ここで本予測モデルは、事前に製品生産プロセスの実績と、その際に排出された廃液の性質との関係性をモデル化したものであるが、このモデルとしては、例えば両者の関係を示す関数、ルックアップテーブルであってもよく、両者の関係を学習させた学習済モデルであってもよい。
このような予測モデルに関して、製品生産プロセスにおける過去の製品生産プロセスデータと、その際に排出された廃液の性質に関するデータと、の関係性については、公知の解析手法に基づき解析することができる。典型的には、回帰分析法（線形モデル、一般化線形モデル、一般化線形混合モデル、リッジ回帰、ラッソ回帰、エラスティックネット、サポートベクター回帰、射影追跡回帰等）、時系列分析（ＶＡＲモデル、ＳＶＡＲモデル、ＡＲＩＭＡＸモデル、ＳＡＲＩＭＡＸモデル、状態空間モデル等）、決定木（決定木、回帰木、ランダムフォレスト、ＸＧＢｏｏｓｔ等）、ニューラルネットワーク（単純パーセプトロン、多層パーセプトロン、ＤＮＮ、ＣＮＮ、ＲＮＮ、ＬＳＴＭ等）、ベイズ（ナイーブベイズ等）、クラスタリング（ｋ－ｍｅａｎｓ、ｋ－ｍｅａｎｓ＋＋等）、アンサンブル学習（Ｂｏｏｓｔｉｎｇ、Ａｄａｂｏｏｓｔ等）等を用いて解析し、所望の予測モデルを得ることができる。
なお、予測モデルの作成は、予測モデル作成部１１７が実行する場合が例示されるが、必ずしもこれには限定されず、情報処理システム１００外でこのような予測モデルが作成され、作成物を情報処理装置１等にインストールすることで、本実施形態の運転方法が行われてもよい。また、予測モデルは、廃液予測値出力工程が実行される前に更新可能に構成されるモデルであってもよい。この場合は、予測モデル作成部１１７は、廃液処理の実績の蓄積等に応じて、逐次予測モデルを更新するように構成される態様であってもよい。
なお、予測モデルの作成は、予測モデル作成部１１７が実行する場合が例示されるが、必ずしもこれには限定されず、情報処理システム１００外でこのような予測モデルが作成され、作成物を情報処理装置１等にインストールすることで、本実施形態の運転方法が行われてもよい。また、予測モデルは、廃液予測値出力工程が実行される前に更新可能に構成されるモデルであってもよい。この場合は、予測モデル作成部１１７は、廃液処理の実績の蓄積等に応じて、逐次予測モデルを更新するように構成される態様であってもよい。
また、この予測モデルは第１の時間以降の第２の時間における廃液の性質に関する予測値を出力するものであるが、この予測モデルは廃液の経時的な変化（変質）を予測するように構成されていてもよい。なお、このような経時的な変化（変質）を予測するにあたっては、情報処理システム１００の存在する環境（温度、天候）等を参照情報として加味し、予測精度を高めてもよい。
なお、本実施形態の情報処理システム１００の適用場面によっては、第１の時間と第２の時間は、実質的に同時であってもよい。
なお、本実施形態の情報処理システム１００の適用場面によっては、第１の時間と第２の時間は、実質的に同時であってもよい。
ここで、予測モデルで関連付けられた排出された廃液の性質は適宜設定することができるが、廃液が水系である場合としては、前述した水質パラメータの各種項目等が挙げられる。
なお、予測モデルは、製品生産プロセスで生産される製品の所定のパラメータ、がさらに関連付けられて作成されたモデルであってもよい。すなわち、製品生産プロセスにおける過去の製品生産プロセスデータと、その際に排出された廃液の性質に関するデータと、に加え、製品生産プロセスで生産される製品の所定のパラメータ、がさらに関連付けられて予測モデルが作成されていてもよい。データ取得部１１１で取得する第１のデータが製品の所定のパラメータを含む場合は、この製品の所定のパラメータが関連付けられた予測モデルを適用することにより、本アクティビティにおける予測精度の向上に資することができる。
続いて、本実施形態の運転方法では、廃液予測値出力工程で出力された廃液の性質に関する予測値に基づき、廃液処理設備の運転条件パラメータを設定する（アクティビティＡ１０３）。
典型的な態様では、情報処理装置１の運転条件設定部１１３が、プラントＰＬ２に配置された各種機器に対し、通信部１５を介して種々の情報（信号等）を送信することでこのアクティビティは達成される。
より具体的には、運転条件設定部１１３は、廃液の性質についてプラントＰＬ２から排出可能な水準となるような条件を設定し、当該条件でプラントＰＬ２が稼働するように制御する。たとえば、プラントＰＬ１から供給される廃液のｐＨが通常とは異なることが予測される場合は、プラントＰＬ２で用いる中和剤の量を適正化するように調整することができる。同様に、プラントＰＬ１から供給される廃液の化学的酸素要求量（ＣＯＤ）の数値が通常より高い水準となることが予測される場合は、プラントＰＬ２で行われる生物処理工程における溶存酸素濃度、汚泥管理濃度等の条件を適切な範囲に設定することができる。その他、運転条件設定部１１３は、プラントＰＬ２内での処理温度条件、プラント内の湿度条件、撹拌槽の撹拌条件等、種々の条件を設定することができる。
より具体的には、運転条件設定部１１３は、廃液の性質についてプラントＰＬ２から排出可能な水準となるような条件を設定し、当該条件でプラントＰＬ２が稼働するように制御する。たとえば、プラントＰＬ１から供給される廃液のｐＨが通常とは異なることが予測される場合は、プラントＰＬ２で用いる中和剤の量を適正化するように調整することができる。同様に、プラントＰＬ１から供給される廃液の化学的酸素要求量（ＣＯＤ）の数値が通常より高い水準となることが予測される場合は、プラントＰＬ２で行われる生物処理工程における溶存酸素濃度、汚泥管理濃度等の条件を適切な範囲に設定することができる。その他、運転条件設定部１１３は、プラントＰＬ２内での処理温度条件、プラント内の湿度条件、撹拌槽の撹拌条件等、種々の条件を設定することができる。
このようにして処理された廃液は、適宜、プラントＰＬ２から排出される。たとえば、プラントＰＬ２で処理された処理後廃液が水である場合は、水質等の最終検査を行った上で、河川などに放流されてもよい。
（情報処理の流れ（処理後廃液の性質を予測する方法））
本実施形態の情報処理装置１等の行う情報処理の流れについて、図５等を用いて説明する。図５は、情報処理装置１等を用いた情報処理の流れを表すアクティビティ図である。なお、本予測方法は、前述の運転方法の説明と重複する部分もあるため、以下では、相違点を中心に説明していくこととする。
本実施形態の情報処理装置１等の行う情報処理の流れについて、図５等を用いて説明する。図５は、情報処理装置１等を用いた情報処理の流れを表すアクティビティ図である。なお、本予測方法は、前述の運転方法の説明と重複する部分もあるため、以下では、相違点を中心に説明していくこととする。
まず、本実施形態の予測方法では、データ取得部１１１が、第１の時間における製品生産プロセスでの製品生産プロセスデータ及び廃液処理設備が実行しようとする運転条件パラメータを含む第２のデータを取得する（アクティビティＡ２０１）。
この第２のデータに含まれる製品生産プロセスデータは、前述の予測方法における製品生産プロセスデータと同様の内容であってもよく、ここでの説明を割愛する。また、第２のデータに含まれる運転条件パラメータは、前述の予測方法における運転条件パラメータと同様の内容であってもよく、ここでの説明を割愛する。
なお、本実施形態の予測方法においては、データ取得部１１１が、廃液処理設備が実行しようとする運転条件パラメータの一部に対する制約条件が設定可能に構成されてもよい。典型的な例を交えて説明すると、この制約条件とは、廃液処理設備の運転限界値、コスト、環境負荷制約等の条件が挙げられ、本実施形態の予測方法は、このような一定の制約が課されながらも、最適な処理仕様を提案できるものといえる。具体的には、目標値に合わせた運転条件パラメータを設定する際に、コスト条件として、例えば薬品の使用量、環境負荷条件として、例えば希釈水使用量や、薬品使用量、ポンプ運転条件、曝気量などの制約条件を設定し、その制約がある範囲内で、最適な運転条件を提案することができる。
なお、第２のデータは、製品の所定のパラメータに関する情報をさらに含んでもよい。この第２のデータに含まれ得る製品の所定のパラメータは、前述の予測方法における製品の所定のパラメータと同様の内容であってもよく、ここでの説明を割愛する。
また、第２のデータは、廃液の温度及び／又は温度の推移に関する情報をさらに含んでもよい。すなわち、このように第２のデータに含ませることのできるパラメータを増加させることで処理後廃液の性質を予測する精度を向上させることができるが、この処理の詳細は追って説明することとする。
本実施形態の予測方法では、このように第２のデータを取得した後、処理後廃液予測値出力部１１４が、第２のデータと、処理後廃液の性質を予測する予測モデルと、に基づき、第１の時間以降の第２の時間における廃液処理設備の処理後廃液の性質に関する予測値を出力する（アクティビティＡ２０２）。
本アクティビティにおいて、予測モデルは、製品生産プロセスにおける過去の製品生産プロセスデータと、その際に排出された廃液の性質に関するデータと、その際に廃液処理設備が排出された廃液を処理した運転条件パラメータと、処理後廃液の性質と、が関連付けられて作成されたモデルである。
前述の運転方法との相違点について説明すると、本実施形態で用いられる予測モデルは、製品生産プロセスにおける過去の製品生産プロセスデータと、その際に排出された廃液の性質に関するデータと、に加え、廃液処理設備が排出された廃液を処理した運転条件パラメータと、処理後廃液の性質と、が関連付けられているという特徴を有する。
すなわち、このような予測モデルにおいては、少なくともこれら４つのパラメータ等が関連付けられたモデルであるため、実際に廃液処理設備が廃液を処理した後の、処理後廃液の性質を精度高く予測しやすいといえる。
なお、この予測モデルも、処理後廃液予測値出力工程が実行される前に更新可能に構成されるモデルであってもよい。
なお、この予測モデルも、処理後廃液予測値出力工程が実行される前に更新可能に構成されるモデルであってもよい。
また、前述の運転方法と同様に、製品生産プロセスで生産される製品の所定のパラメータ、がさらに関連付けられて作成されたモデルであってもよい。この場合、処理後廃液の性質をより精度高く予測しやすくなる。
さらに、この予測モデルは、廃液の温度及び／又は温度の推移と、これらに対応した生物処理能力と、がさらに関連付けられて作成されたモデルであってもよい。
すなわち、前述の第２のデータには、廃液の温度及び／又は温度の推移に関する情報が含まれうるため、このような予測モデルを用いることによって、季節ごとの生物処理能力の変化を考慮した予測を行うことが可能となる。典型的な例では、夏場は廃液温度（特には水温）の上昇により生物処理装置の稼働状況が不十分になることがあるが、このときの廃液温度（特には水温）の推移や前後の温度管理設備の稼働条件などを考慮して、生物処理装置にとって最適な運転条件パラメータを設定することができる。なお、予測モデルとして関連付けられた、廃液（廃水）の温度のデータは、プラントＰＬ１及び／又はプラントＰＬ２内における廃液の温度、生物処理装置（およびその前後の工程）における廃液の温度のデータ、または気象データに基づくものであってよい。
すなわち、前述の第２のデータには、廃液の温度及び／又は温度の推移に関する情報が含まれうるため、このような予測モデルを用いることによって、季節ごとの生物処理能力の変化を考慮した予測を行うことが可能となる。典型的な例では、夏場は廃液温度（特には水温）の上昇により生物処理装置の稼働状況が不十分になることがあるが、このときの廃液温度（特には水温）の推移や前後の温度管理設備の稼働条件などを考慮して、生物処理装置にとって最適な運転条件パラメータを設定することができる。なお、予測モデルとして関連付けられた、廃液（廃水）の温度のデータは、プラントＰＬ１及び／又はプラントＰＬ２内における廃液の温度、生物処理装置（およびその前後の工程）における廃液の温度のデータ、または気象データに基づくものであってよい。
以上の処理後廃液予測値出力により、プラントＰＬ２で処理された後の廃液の管理が可能となる。このようにして処理された廃液は、前述の運転方法での説明と同様に、適宜、プラントＰＬ２から排出されてもよい。たとえば、プラントＰＬ２で処理された処理後廃液が水である場合は、水質等の最終検査を行った上で、河川などに放流されてもよい。
なお、本実施形態の予測方法では、データ再取得部１１５が、処理後廃液予測値出力工程で出力された処理後廃液の性質に関する予測値が所定の範囲に属さない場合、廃液処理設備が実行しようとする運転条件パラメータを再設定の上、第２のデータを取得するように構成されてもよい（この工程を「データ再取得工程」と称してもよい）。また、処理後廃液予測値再出力部１１６が、データ再取得工程で取得した第２のデータと、処理後廃液の性質を予測する予測モデルと、に基づき、第２の時間における廃液処理設備の処理後廃液の性質に関する予測値を再出力するように構成してもよい（この工程を「処理後廃液予測値再出力工程」と称してもよい）。
図５のアクティビティ図で示されるように、いったん処理後廃液予測値を出力した場合において、あるパラメータが所定の範囲にない場合（たとえば、河川などに放流することが適切ではない数値となる場合）、改めて第２のデータを取得するように構成することができる。すなわち、前述のアクティビティＡ２０１と同様の操作を行うように構成することができるが、本明細書では、便宜上、この操作を「データ再取得工程」と呼ぶこととする。
また、データ再取得工程で取得した第２のデータに基づいて、処理後廃液予測値を出力することができるのは前述の通りであるが、この処理の繰り返しについては、管理するパラメータが所定の範囲内となるまで繰り返して行うことができる。
典型的には、このデータ再取得工程は、廃液処理に関する運転条件パラメータを変更しながら行うことができる。すなわち、管理するパラメータが所定の範囲内となるまで繰り返して行うことは、実質的には、この廃液処理に関する運転条件パラメータを適正化することができる、という側面を有する。
また、データ再取得工程で取得した第２のデータに基づいて、処理後廃液予測値を出力することができるのは前述の通りであるが、この処理の繰り返しについては、管理するパラメータが所定の範囲内となるまで繰り返して行うことができる。
典型的には、このデータ再取得工程は、廃液処理に関する運転条件パラメータを変更しながら行うことができる。すなわち、管理するパラメータが所定の範囲内となるまで繰り返して行うことは、実質的には、この廃液処理に関する運転条件パラメータを適正化することができる、という側面を有する。
なお、この所定の範囲に属さないパラメータの例としては、前述の水質パラメータ等が例示されるが、廃液の種類に応じて適宜設定できるものである。
以上の通り、本実施形態によれば、廃液の性質の変動に柔軟に対応することができる廃液処理設備の運転方法等が提供されるといえる。このような実施形態によれば、廃液処理設備への投資の程度も軽減され、また、環境負荷の低減などの効果も見込むことができる。
４．変形例
第４節では、前述した情報処理装置１等の情報処理方法の変形例について説明する。
第４節では、前述した情報処理装置１等の情報処理方法の変形例について説明する。
前述の実施形態は、情報処理装置１の構成として説明したが、コンピュータを、情報処理装置の各部として機能させるプログラムが提供されてもよい。
前述の実施形態では、液体ラインＬＬ１で接続されたプラントＰＬ１とＰＬ２とに対して情報処理装置１が適用されたが、両プラントは必ずしも液体ラインＬＬ１で接続されている必要はなく、ロータリー等でプラントＰＬ１からプラントＰＬ２まで廃液を搬送する態様なども採用することができる。なお、プラントＰＬ１を所有する事業体と、プラントＰＬ２を所有する事業体は、同一でも異なっていてもよい。
前述の実施形態では、予測モデルを用いた運転方法や予測方法を示したが、予測モデルを作成するにあたって関連付けられる情報は、上述のものに限らない。すなわち、本実施形態で用いられる予測モデルは、他に、気象条件、地域に関する条件、設備の築年数に関する条件等の各種条件が関連付けられていてもよい。
最後に、本発明に係る種々の実施形態を説明したが、これらは、例として提示したものであり、発明の範囲を限定することは意図していない。当該新規な実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。当該実施形態やその変形は、発明の範囲や要旨に含まれるとともに、特許請求の範囲に記載された発明とその均等の範囲に含まれるものである。
１ ：情報処理装置
２ ：通信回線
１０ ：通信バス
１１ ：制御部
１２ ：記憶部
１３ ：入力部
１４ ：表示部
１５ ：通信部
１００ ：情報処理システム
１１１ ：データ取得部
１１２ ：廃液予測値出力部
１１３ ：運転条件設定部
１１４ ：処理後廃液予測値出力部
１１５ ：データ再取得部
１１６ ：処理後廃液予測値再出力部
１１７ ：予測モデル作成部
１１８ ：記憶管理部
ＬＬ１ ：液体ライン
ＰＬ１ ：プラント
ＰＬ２ ：プラント
２ ：通信回線
１０ ：通信バス
１１ ：制御部
１２ ：記憶部
１３ ：入力部
１４ ：表示部
１５ ：通信部
１００ ：情報処理システム
１１１ ：データ取得部
１１２ ：廃液予測値出力部
１１３ ：運転条件設定部
１１４ ：処理後廃液予測値出力部
１１５ ：データ再取得部
１１６ ：処理後廃液予測値再出力部
１１７ ：予測モデル作成部
１１８ ：記憶管理部
ＬＬ１ ：液体ライン
ＰＬ１ ：プラント
ＰＬ２ ：プラント
Claims (11)
- 製品生産プロセスからの廃液を処理する廃液処理設備の運転方法であって、
データ取得工程と、廃液予測値出力工程と、運転条件設定工程と、を備え、
前記データ取得工程では、第１の時間における前記製品生産プロセスでの製品生産プロセスデータを含む第１のデータを取得し、
前記廃液予測値出力工程では、前記第１のデータと、廃液の性質を予測する予測モデルと、に基づき、前記第１の時間以降の第２の時間における前記製品生産プロセスからの廃液の性質に関する予測値を出力し、
ここで、前記予測モデルは、前記製品生産プロセスにおける過去の製品生産プロセスデータと、その際に排出された廃液の性質に関するデータと、が関連付けられて作成されたモデルであり、
前記運転条件設定工程では、前記廃液予測値出力工程で出力された前記廃液の性質に関する予測値に基づき、前記廃液処理設備の運転条件パラメータを設定する、廃液処理設備の運転方法。 - 請求項１に記載の廃液処理設備の運転方法において、
前記予測モデルは、前記廃液予測値出力工程が実行される前に更新可能に構成されるモデルである、廃液処理設備の運転方法。 - 請求項１に記載の廃液処理設備の運転方法において、
前記予測モデルは、前記製品生産プロセスで生産される製品の所定のパラメータ、がさらに関連付けられて作成されたモデルであり、
前記データ取得工程で取得される前記第１のデータは、前記製品の所定のパラメータに関する情報をさらに含む、廃液処理設備の運転方法。 - 製品生産プロセスからの廃液を処理する廃液処理設備の処理後廃液の性質を予測する方法であって、
データ取得工程と、処理後廃液予測値出力工程と、を備え、
前記データ取得工程では、第１の時間における前記製品生産プロセスでの製品生産プロセスデータ及び前記廃液処理設備が実行しようとする運転条件パラメータを含む第２のデータを取得し、
前記処理後廃液予測値出力工程では、前記第２のデータと、処理後廃液の性質を予測する予測モデルと、に基づき、前記第１の時間以降の第２の時間における廃液処理設備の処理後廃液の性質に関する予測値を出力し、
ここで、前記予測モデルは、前記製品生産プロセスにおける過去の製品生産プロセスデータと、その際に排出された廃液の性質に関するデータと、その際に前記廃液処理設備が排出された廃液を処理した運転条件パラメータと、処理後廃液の性質と、が関連付けられて作成されたモデルである、処理後廃液の性質を予測する方法。 - 請求項４に記載の処理後廃液の性質を予測する方法において、
データ再取得工程と、処理後廃液予測値再出力工程と、をさらに備え、
前記データ再取得工程では、前記処理後廃液予測値出力工程で出力された前記処理後廃液の性質に関する予測値が所定の範囲に属さない場合、前記廃液処理設備が実行しようとする運転条件パラメータを再設定の上、前記第２のデータを取得し、
前記処理後廃液予測値再出力工程では、前記データ再取得工程で取得した前記第２のデータと、処理後廃液の性質を予測する前記予測モデルと、に基づき、前記第２の時間における前記廃液処理設備の処理後廃液の性質に関する予測値を再出力する、処理後廃液の性質を予測する方法。 - 請求項４に記載の処理後廃液の性質を予測する方法において、
前記予測モデルは、前記処理後廃液予測値出力工程が実行される前に更新可能に構成されるモデルである、処理後廃液の性質を予測する方法。 - 請求項４に記載の処理後廃液の性質を予測する方法において、
前記予測モデルは、前記廃液の温度及び／又は温度の推移と、これらに対応した生物処理能力と、がさらに関連付けられて作成されたモデルであり、
前記データ取得工程で取得される前記第２のデータは、前記廃液の温度及び／又は温度の推移に関する情報をさらに含む、処理後廃液の性質を予測する方法。 - 請求項４に記載の処理後廃液の性質を予測する方法において、
前記データ取得工程は、前記廃液処理設備が実行しようとする運転条件パラメータの一部に対する制約条件が設定可能に構成される、処理後廃液の性質を予測する方法。 - 請求項４に記載の処理後廃液の性質を予測する方法において、
前記予測モデルは、前記製品生産プロセスで生産される製品の所定のパラメータ、がさらに関連付けられて作成されたモデルであり、
前記データ取得工程で取得される前記第２のデータは、前記製品の所定のパラメータに関する情報をさらに含む、処理後廃液の性質を予測する方法。 - 製品生産プロセスからの廃液を処理する廃液処理設備の運転システムであって、
データ取得部と、廃液予測値出力部と、運転条件設定部と、を備え、
前記データ取得部は、第１の時間における前記製品生産プロセスでの製品生産プロセスデータを含む第１のデータを取得し、
前記廃液予測値出力部は、前記第１のデータと、廃液の性質を予測する予測モデルと、に基づき、前記第１の時間以降の第２の時間における前記製品生産プロセスからの廃液の性質に関する予測値を出力し、
ここで、前記予測モデルは、前記製品生産プロセスにおける過去の製品生産プロセスデータと、その際に排出された廃液の性質に関するデータと、が関連付けられて作成されたモデルであり、
前記運転条件設定部は、前記廃液予測値出力部が出力した前記廃液の性質に関する予測値に基づき、前記廃液処理設備の運転条件パラメータを設定する、運転システム。 - 製品生産プロセスからの廃液を処理する廃液処理設備の処理後廃液の性質を予測する予測システムであって、
データ取得部と、処理後廃液予測値出力部と、を備え、
前記データ取得部は、第１の時間における前記製品生産プロセスでの製品生産プロセスデータ及び前記廃液処理設備が実行しようとする運転条件パラメータを含む第２のデータを取得し、
前記処理後廃液予測値出力部は、前記第２のデータと、処理後廃液の性質を予測する予測モデルと、に基づき、前記第１の時間以降の第２の時間における廃液処理設備の処理後廃液の性質に関する予測値を出力し、
ここで、前記予測モデルは、前記製品生産プロセスにおける過去の製品生産プロセスデータと、その際に排出された廃液の性質に関するデータと、その際に前記廃液処理設備が排出された廃液を処理したときの運転条件パラメータと、処理後廃液の性質と、が関連付けられて作成されたモデルである、予測システム。
Priority Applications (4)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2022126045A JP2024022741A (ja) | 2022-08-08 | 2022-08-08 | 廃液処理設備の運転方法、処理後廃液の性質を予測する方法、運転システム及び予測システム |
| PCT/JP2023/028396 WO2024034509A1 (ja) | 2022-08-08 | 2023-08-03 | 廃液処理設備の運転方法、処理後廃液の性質を予測する方法、運転システム及び予測システム |
| TW112129486A TW202414321A (zh) | 2022-08-08 | 2023-08-07 | 廢液處理設備的運轉方法、預測處理後廢液的性質的方法、運轉系統以及預測系統 |
| JP2024064000A JP2024086874A (ja) | 2022-08-08 | 2024-04-11 | 廃液処理設備の運転方法、処理後廃液の性質を予測する方法、運転システム及び予測システム |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2022126045A JP2024022741A (ja) | 2022-08-08 | 2022-08-08 | 廃液処理設備の運転方法、処理後廃液の性質を予測する方法、運転システム及び予測システム |
Related Child Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2024064000A Division JP2024086874A (ja) | 2022-08-08 | 2024-04-11 | 廃液処理設備の運転方法、処理後廃液の性質を予測する方法、運転システム及び予測システム |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2024022741A true JP2024022741A (ja) | 2024-02-21 |
Family
ID=89851697
Family Applications (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2022126045A Pending JP2024022741A (ja) | 2022-08-08 | 2022-08-08 | 廃液処理設備の運転方法、処理後廃液の性質を予測する方法、運転システム及び予測システム |
| JP2024064000A Pending JP2024086874A (ja) | 2022-08-08 | 2024-04-11 | 廃液処理設備の運転方法、処理後廃液の性質を予測する方法、運転システム及び予測システム |
Family Applications After (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2024064000A Pending JP2024086874A (ja) | 2022-08-08 | 2024-04-11 | 廃液処理設備の運転方法、処理後廃液の性質を予測する方法、運転システム及び予測システム |
Country Status (3)
| Country | Link |
|---|---|
| JP (2) | JP2024022741A (ja) |
| TW (1) | TW202414321A (ja) |
| WO (1) | WO2024034509A1 (ja) |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2000218263A (ja) * | 1999-02-01 | 2000-08-08 | Meidensha Corp | 水質制御方法及びその装置 |
| JP4341164B2 (ja) * | 2000-10-20 | 2009-10-07 | 株式会社明電舎 | 薬品注入率制御方法及びその装置 |
| EP3333130A4 (en) * | 2015-08-05 | 2019-01-02 | Mitsubishi Heavy Industries Engineering, Ltd. | Water treatment system, power generation plant, and method for controlling water treatment system |
| CN108910976A (zh) * | 2018-07-23 | 2018-11-30 | 江苏景源泓科技有限公司 | 一种用于处理从工厂设施排出的废水的水处理系统 |
-
2022
- 2022-08-08 JP JP2022126045A patent/JP2024022741A/ja active Pending
-
2023
- 2023-08-03 WO PCT/JP2023/028396 patent/WO2024034509A1/ja unknown
- 2023-08-07 TW TW112129486A patent/TW202414321A/zh unknown
-
2024
- 2024-04-11 JP JP2024064000A patent/JP2024086874A/ja active Pending
Also Published As
| Publication number | Publication date |
|---|---|
| TW202414321A (zh) | 2024-04-01 |
| WO2024034509A1 (ja) | 2024-02-15 |
| JP2024086874A (ja) | 2024-06-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Corominas et al. | Transforming data into knowledge for improved wastewater treatment operation: A critical review of techniques | |
| Oliveira-Esquerre et al. | Simulation of an industrial wastewater treatment plant using artificial neural networks and principal components analysis | |
| US5282131A (en) | Control system for controlling a pulp washing system using a neural network controller | |
| Ma et al. | Dynamic process monitoring using adaptive local outlier factor | |
| EP0510112A1 (en) | Process control using neural network | |
| Tan et al. | Modeling and control of a pilot pH plant using genetic algorithm | |
| EP1658534A1 (en) | Method and device arrangement for automatic dose control of chemicals | |
| Kordon et al. | Robust soft sensor development using genetic programming | |
| WO2021074491A1 (en) | A method and system for monitoring a process | |
| Zamarreno et al. | State-space neural network for modelling, prediction and control | |
| Vijayaraghavan et al. | A quick review on applications of fuzzy logic in waste water treatment | |
| Syu et al. | Back-propagation neural network adaptive control of a continuous wastewater treatment process | |
| Ragab et al. | Decision fusion for reliable fault classification in energy-intensive process industries | |
| WO2024034509A1 (ja) | 廃液処理設備の運転方法、処理後廃液の性質を予測する方法、運転システム及び予測システム | |
| Huang et al. | Integrated process-system modelling and control through graph neural network and reinforcement learning | |
| John et al. | An application of integrated EPC–SPC methodology for simultaneously monitoring multiple output characteristics | |
| Sreekumar et al. | Adaptive neuro-fuzzy approach to sodium chlorate cell modeling to predict cell pH for energy-efficient chlorate production | |
| Lin et al. | ARX/NARX modeling and PID controller in a UV/H2O2 tubular photoreactor for aqueous PVA degradation | |
| JP2024037736A (ja) | 推測装置、推測システム、推測プログラム及び推測方法 | |
| Boumezbeur et al. | Modelling coagulant dosage in drinking water treatment plant using advance machine learning model: Hybrid extreme learning machine optimized by Bat algorithm | |
| Blanco et al. | Use of modelling and simulation in the pulp and paper industry | |
| Juuso | Integration of intelligent systems in development of smart adaptive systems: linguistic equation approach | |
| Zăvoianu et al. | A soft-computing framework for automated optimization of multiple product quality criteria with application to micro-fluidic chip production | |
| Tomperi et al. | Early warning of changing drinking water quality by trend analysis | |
| US20210333172A1 (en) | Contextual data modeling and dynamic process intervention for industrial plants |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230803 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230912 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231106 |
|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20240123 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240411 |
|
| A911 | Transfer to examiner for re-examination before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20240418 |
|
| A912 | Re-examination (zenchi) completed and case transferred to appeal board |
Free format text: JAPANESE INTERMEDIATE CODE: A912 Effective date: 20240726 |