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
Description
(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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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、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。
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。
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。
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。
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。
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。
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。
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 |