JP4061008B2 - 結果予測装置、方法、及びコンピュータ読み取り可能な記憶媒体 - Google Patents

結果予測装置、方法、及びコンピュータ読み取り可能な記憶媒体 Download PDF

Info

Publication number
JP4061008B2
JP4061008B2 JP2000102731A JP2000102731A JP4061008B2 JP 4061008 B2 JP4061008 B2 JP 4061008B2 JP 2000102731 A JP2000102731 A JP 2000102731A JP 2000102731 A JP2000102731 A JP 2000102731A JP 4061008 B2 JP4061008 B2 JP 4061008B2
Authority
JP
Japan
Prior art keywords
condition information
result
past
information
current
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.)
Expired - Fee Related
Application number
JP2000102731A
Other languages
English (en)
Other versions
JP2001290508A (ja
Inventor
敬介 藤崎
淳治 伊勢
俊夫 赤木
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nippon Steel Corp
Original Assignee
Nippon Steel Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nippon Steel Corp filed Critical Nippon Steel Corp
Priority to JP2000102731A priority Critical patent/JP4061008B2/ja
Publication of JP2001290508A publication Critical patent/JP2001290508A/ja
Application granted granted Critical
Publication of JP4061008B2 publication Critical patent/JP4061008B2/ja
Anticipated expiration legal-status Critical
Expired - Fee Related legal-status Critical Current

Links

Images

Landscapes

  • Testing And Monitoring For Control Systems (AREA)
  • Manufacture Of Iron (AREA)
  • Feedback Control In General (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Description

【0001】
【発明の属する技術分野】
本発明は、結果予測装置、方法、及びコンピュータ読み取り可能な記憶媒体に係り、例えば、高炉プラントにおける将来の溶銑鉄温度や銑鉄中Si濃度等の操業結果を予測し、プラント操業を支援するのに用いられるものである。
【0002】
【従来の技術】
高炉プラントの操業を支援する手法として、例えば、AI(artificial intelligence)システムを利用し、溶銑温度等の操業結果を予測するものが実施されている。AIシステムでは、熟練オペレータが持つ知識を知識ベースとして蓄えておき、与えられた操業条件に対して上記知識を一定のルールで適用することで操業結果を予測するものであり、これにより熟練オペレータと同等の操業が可能となる。
【0003】
【発明が解決しようとする課題】
しかし、AIシステムでは所定のルール形式の知識に従うことから、予め知識を蓄積してルールを用意する必要があり、メンテナンスが必要であったり、ルールを作り替えるのが難しかったりするといった問題があった。
【0004】
本発明は、あらかじめルールを用意する必要がなく、過去の事例を基に演算により直接的に所定の結果、例えばプラントにおける操業結果を予測可能とすることを目的とする。
【0005】
【課題を解決するための手段】
本発明の結果予測装置は、過去の条件情報、及び上記過去の条件情報に対する過去の結果情報を使用して、現時点の条件情報x0に対する結果情報y0を演算する結果予測装置であって、Nを正の整数として、上記過去の条件情報の中から、ノルム空間における式(1)を満たす上記現時点の条件情報x0に対して所定の類似度を有する複数の過去の条件情報xi(i=1,2,・・・,N)を選び出す類似判断手段と、上記類似判断手段によって選び出された複数の過去の条件情報xi(i=1,2,・・・,N)に、上記現時点の条件情報x0及び過去の条件情報xi(i=1,2,・・・,N)に基づいて、kを規格化定数として式(12)により算出される重み付け係数ωi(i=1,2,・・・,N)を付与して、式(14)により、現時点の条件情報の推定値x0^を表現する重み付け演算手段と、上記複数の過去の条件情報xi(i=1,2,・・・,N)のそれぞれに対する複数の過去の結果情報yi(i=1,2,・・・,N)に、式(15)により、上記重み付け係数ωi(i=1,2,・・・,N)を付与して現時点の結果情報の推定値y0^を演算する結果情報演算手段と、を備えたことを特徴とする。
【数20】
Figure 0004061008
なお、本明細書において、例えばx^、y^という表記は、x、yの上に^が付されているものを意味する。
又、本発明の結果予測装置の他の特徴とするところは、上記事象がプラント操業である点にある。
【0006】
又、本発明の結果予測装置の他の特徴とするところは、上記条件情報には、複数の条件項目が含まれる点にある。
【0008】
又、本発明の結果予測装置の他の特徴とするところは、上記類似判断手段は、上記所定の類似度をマハラノビス距離を用いて評価する点にある。
【0009】
又、本発明の結果予測装置の他の特徴とするところは、上記類似判断手段は、上記複数の過去の条件情報として、上記所定の類似度の高いものから一定の数だけ選び出す点にある。
【0010】
又、本発明の結果予測装置の他の特徴とするところは、上記類似判断手段は、上記複数の過去の条件情報として、上記所定の類似度の範囲内にある全ての条件情報を選び出す点にある。
【0011】
又、本発明の結果予測装置の他の特徴とするところは、上記重み付け演算手段は、r=2とし、kを規格化定数として式(12)により重み付け係数ωiを算出する点にある。
【0014】
又、本発明の結果予測装置の他の特徴とするところは、上記演算された結果情報と実績の結果情報との差分を監視する監視手段を備えた点にある。
【0015】
又、本発明の結果予測装置の他の特徴とするところは、上記監視手段は、上記演算された結果情報と実績の結果情報との差分を一定時間積算する点にある。
【0016】
又、本発明の結果予測装置の他の特徴とするところは、上記監視手段は、上記一定時間積算した値の平均値を所定の閾値と比較する点にある。
【0017】
又、本発明の結果予測装置の他の特徴とするところは、所定のプラントでの操業結果情報を演算するのに適用され、上記条件情報として操業アクション値及びプラント状態値を使用する点にある。
【0018】
又、本発明の結果予測装置の他の特徴とするところは、上記プラントは高炉製鉄プラントである点にある。
【0019】
又、本発明の結果予測装置の他の特徴とするところは、上記結果情報を溶銑温度とし、上記操業アクション値として少なくとも送風量を使用し、又、上記プラント状態値として少なくとも高炉の温度を使用する点にある。
【0020】
本発明の結果予測方法は、過去の条件情報、及び上記過去の条件情報に対する過去の結果情報を使用して、現時点の条件情報x0に対する結果情報y0を演算する結果予測方法であって、Nを正の整数として、上記過去の条件情報の中から、ノルム空間における式(1)を満たす上記現時点の条件情報x0に対して所定の類似度を有する複数の過去の条件情報xi(i=1,2,・・・,N)を選び出す類似判断処理と、上記類似判断処理によって選び出された複数の過去の条件情報xi(i=1,2,・・・,N)に、上記現時点の条件情報x0及び過去の条件情報xi(i=1,2,・・・,N)に基づいて、kを規格化定数として式(12)により算出される重み付け係数ωi(i=1,2,・・・,N)を付与して、式(14)により、現時点の条件情報の推定値x0^を表現する重み付け演算処理と、上記複数の過去の条件情報xi(i=1,2,・・・,N)のそれぞれに対する複数の過去の結果情報yi(i=1,2,・・・,N)に、式(15)により、上記重み付け係数ωi(i=1,2,・・・,N)を付与して現時点の結果情報の推定値y0^を演算する結果情報演算処理と、を行うことを特徴とする。
【数21】
Figure 0004061008
【0021】
本発明のコンピュータ読み取り可能な記憶媒体は、過去の条件情報、及び上記過去の条件情報に対する過去の結果情報を使用して、現時点の条件情報x0に対する結果情報y0を演算するためのプログラムを格納するコンピュータ読み取り可能な記憶媒体であって、Nを正の整数として、上記過去の条件情報の中から、ノルム空間における式(1)を満たす上記現時点の条件情報x0に対して所定の類似度を有する複数の過去の条件情報xi(i=1,2,・・・,N)を選び出す類似判断処理と、上記類似判断処理によって選び出された複数の過去の条件情報xi(i=1,2,・・・,N)に、上記現時点の条件情報x0及び過去の条件情報xi(i=1,2,・・・,N)に基づいて、kを規格化定数として式(12)により算出される重み付け係数ωi(i=1,2,・・・,N)を付与して、式(14)により、現時点の条件情報の推定値x0^を表現する重み付け演算処理と、上記複数の過去の条件情報xi(i=1,2,・・・,N)のそれぞれに対する複数の過去の結果情報yi(i=1,2,・・・,N)に、式(15)により、上記重み付け係数ωi(i=1,2,・・・,N)を付与して現時点の結果情報の推定値y0^を演算する結果情報演算処理と、をコンピュータに実行させるプログラムを格納したことを特徴とする。
【数22】
Figure 0004061008
【0022】
本発明のコンピュータ読み取り可能な記憶媒体は、上記結果予測方法の各手順をコンピュータに実行させるためのプログラムを格納した点に特徴を有する。
【0023】
以上のようにした本発明では、現時点の条件情報に対して所定の類似度を有する複数の過去の条件情報を選び出す。条件情報には、予測しようとする結果情報と相関性の高い複数の項目が含まれている。次に、現時点の条件情報を、選び出された複数の過去の条件情報に重み付けをして表現する。そして、上記複数の過去の条件情報のそれぞれに対する複数の過去の結果情報に、上記重み付けに対応する重み付けをすることにより、上記現時点の条件情報に対する結果情報を演算する。このように、複数の過去の類似する事例を用いることにより、予測精度を向上させることができる。
【0024】
【発明の実施の形態】
以下、図面を参照して、本発明の結果予測装置、方法、及びコンピュータ読み取り可能な記憶媒体の実施の形態について説明する。本実施の形態では、本発明を高炉製鉄プラントに適用し、将来の溶銑温度や銑鉄中Si濃度等の操業結果を予測する例を説明する。
【0025】
図1において、1はデータ蓄積装置であり、過去の実績値として、操業条件値(送風量等の操業アクション値、高炉の温度や圧力等のプラント状態値)と、操業結果値(溶銑温度、銑鉄中Si濃度、出銑量等)とを保存、蓄積する。
【0026】
2は本実施形態の結果予測装置の最重要部であるデータ処理装置であり、上記データ蓄積装置1から過去の実績値(操業条件値、操業結果値)が入力され、又、図示しないセンサ等から現時点の操業条件値が入力される。このデータ処理装置2は、類似判断部2a、重み付け演算部2b、操業結果値演算部2cを備え、後述するように選び出される複数の過去の実績値(操業条件値、操業結果値)を使用して、現時点の所定の操業条件値に対する操業結果値を演算する。
【0027】
例えば、予測しようとする操業結果値が溶銑温度であれば、操業知見や相関解析に基づいて、溶銑温度と相関性の高い操業条件値(操業アクション値として送風量等、プラント状態値として高炉の温度や圧力等)が予め定められている。そして、本実施の形態のデータ処理装置2には、複数の過去の操業条件値と、当該過去の操業条件値に対する過去の操業結果値としての溶銑温度とがデータ処理装置2に入力される。
【0028】
又、例えば8時間後の溶銑温度を予測する場合であれば、データ処理装置2において8時間単位の過去の操業条件値、操業結果値が用いられる。なお、使用する操業条件値は、データ蓄積装置1に蓄積されている項目内であれば、長期的な炉況の変化に応じて変更することも可能である。
【0029】
3は監視装置であり、詳しくは後述するが、データ処理装置2により演算予測された操業結果値と実績の操業結果値との差分を監視して、プラント操業の異常を検出する。
【0030】
ここで、上記データ処理装置2で行われる演算予測手法について説明する。本実施の形態では、以下に述べる手法(以後、「ノルム法」と称する)を用いて、操業結果値を演算するようにしている。
【0031】
ここでいうノルム法は、多くのプロセスデータを多次元空間のノルム空間である入力空間と、多次元空間のノルム空間である出力空間とに分け、これら入出力空間の間では写像関数fで1対1に対応していると考えることで、予測モデル化するものである。そこでは、予測したい状態は、近傍にある点で線形結合されうるものと仮定し、写像した出力空間においても、近傍なので、その線形結合は保存されているものと仮定している。
【0032】
次に、ノルム法を数学的に定式化することで、実データにて解析できるようにする点について説明する。図2には、予測手法としてのノルム法の考え方を示す。ここでは、入力空間に表現された操業条件xと、出力空間に表現された操業結果yとを、ある写像関数fで変換しているものとして捉えている。これら入力空間及び出力空間には、プロセスデータに応じた点が存在することになる。
【0033】
まず、過去のプロセスデータから、現時点の操業条件実績x0に類似する複数の過去の操業条件実績xiを選ぶ。つまり、x0のε近傍の点をxiとすると、下記の数1に示す式(1)の関係となる。
【0034】
【数1】
Figure 0004061008
【0035】
ここで、複数の過去の操業条件実績xiを選ぶ基準となる類似度は、ノルムにより評価することにしている。ノルムとは地理的な距離や長さと同じ概念であり、この概念を多次元空間で扱えるように拡張したとき、これをノルムと呼ぶ。
【0036】
具体的には、ユークリッド距離、標準ユークリッド距離、マハラノビス距離のいずれかによって上記類似度を評価する。ここで、ユークリッド距離、標準ユークリッド距離、マハラノビス距離の違いについて説明する。図3には、相関のある2つのプロセス項目(x1、x2)があるとき、操業実績を×印でプロットしたものを示す。これら×印の中で、右下の×印は特別な操業Aを行ったときのものであり、それ以外は通常の操業を行ったときの点である。
【0037】
ユークリッド距離を用いた場合、類似度を表す値Dxは、下記の数2に示す式により得られる。
【0038】
【数2】
Figure 0004061008
【0039】
図4には、ユークリッド距離を平均的な操業を中心とした同心円の半径として示す。ユークリッド距離は、地理的な距離と同じで重み付けのない場合である。そのため、このユークリッド距離を使ったとき、特別な操業Aを他の操業と区別することができない場合がある。
【0040】
標準ユークリッド距離を用いた場合、類似度を表す値Dxは、下記の数3に示す式により得られる。
【0041】
【数3】
Figure 0004061008
【0042】
図5に示すように、標準ユークリッド距離では、個々の軸が正規分布となるように正規化することで、項目による分布の違いが影響しないようにする。この標準ユークリッド距離を用いたときも、特別な操業Aを他の操業と区別することができない場合がある。
【0043】
マハラノビス距離を用いた場合、類似度を表す値Dxは、下記の数4に示す式により得られる。
【0044】
【数4】
Figure 0004061008
【0045】
図6に示すように、マハラノビス距離では、標準ユークリッド距離に加え、項目間の相関を取り除くため新たに軸の方向を取り直し、互いに無関係な軸とする。これにより、特別な操業Aを他の操業と区別することができるようになる。
【0046】
以上の点を考慮して、本実施の形態では、マハラノビス距離により上記類似度を評価することにしている。なお、複数の過去の操業条件実績xiを選ぶ際に、過去の操業条件実績xiを類似度の高いものから一定の数だけ(例えば、10個)選び出すやり方としてもよいし、一定の類似度の範囲内(一定のマハラノビス距離内)にある過去の操業条件実績xiを全て選び出すやり方としてもよい。
【0047】
上述のようにして選ばれた複数(N個)の操業条件実績xiに対する操業結果実績yiは実績として分かっているので、それらの写像fより、下記の数5に示す式(2)が成立する。
【0048】
【数5】
Figure 0004061008
【0049】
このとき、現時点の操業条件実績x0に対する操業結果y0を予測する、つまり、x0の写像関数fによる写像y0を求めるのがノルム法による予測問題の命題(定式化)である。そこでは、下記の数6に示す式(3)の関係が存在する。
【0050】
【数6】
Figure 0004061008
【0051】
まず、現時点の操業条件実績x0を、類似する複数の過去の操業条件実績xiの線形結合で置き換えて表現できるとすると、下記の数7に示す式(4)で表現され、重みベクトルωが存在することになる。
【0052】
【数7】
Figure 0004061008
【0053】
そこでは、予測したい状態は、近傍にある点で線形結合されうるものと仮定し、写像した出力空間においても、近傍なので、その線形結合は保存されているものと仮定している。ここで写像関数fに線形性があることを仮定し、式(4)を式(3)に代入し変形すると、下記の数8に示す式(5)で表される。
【0054】
【数8】
Figure 0004061008
【0055】
すなわち、操業条件実績xiに対する操業結果実績yiが既知なので、重みωiが分かれば、予測したい操業結果y0を知ることができる。ただし、式(4)のようにx0をxiの線形結合で置き換えることができると仮定したが、実際には、式(4)は近似に過ぎない。したがって、下記の数9に示す式(6)となる。
【0056】
【数9】
Figure 0004061008
【0057】
つまり、ノルム法では、写像関数fが線形であるという仮定と、予測する操業実績が過去の操業実績の線形結合で表されるという仮定との下で、予測したい操業結果を過去の操業実績の線形結合として求めるものであり、そのために、重みベクトルωを求める必要がある。
【0058】
上記のように、ノルム法においては、重みベクトルωの求め方が非常に重要である。その重みベクトルωの求め方に、式(4)を数学的に解くとしたならば、最小二乗法の適用が考えられる。しかし、最小二乗法では、数学的に最適な解は求められるが、仮定としている写像関数fが線形であることから外れた場合に誤差が生じることがある。
【0059】
例えば、本実施の形態のように高炉プラントに適用する場合、非線形性を含む複雑な系であるため、写像関数fが線形であることから外れる可能性がある。そこで、その問題を補うために、操業の類似度に応じた重みベクトルωを決める手法(以下、「距離法」と称する)を併せて考えた。以下に、これら最小二乗法及び距離法について説明する。
【0060】
(最小二乗法)
まず、重みベクトルωを求める方法の一つである、予測された値の説明性は落ちるが数学的に厳密に求める方法として、最小二乗法を説明する。式(4)の仮定を満足するため、右辺と左辺との差を最小とする下記の数10に示す式(7)のωiを求めることが命題となる。
【0061】
【数10】
Figure 0004061008
【0062】
この場合、図7に示すように、ベクトルωの解の数が異なるため、近傍点の個数Nと操業条件の項目数nとの関係によって計算方法を分ける必要がある。
【0063】
近傍の点の個数Nが操業条件の項目数n以下の場合、一意に重みベクトルωが決まるので、誤差最小化で一般的な最小二乗法を用いると定式化は、下記の数11に示す式(8)のようになる。
【0064】
【数11】
Figure 0004061008
【0065】
最小値であるための条件は、ωiの偏微分値が0であることから、下記の数12に示す式(9)を解けばよい。
【0066】
【数12】
Figure 0004061008
【0067】
一方、近傍の点の個数Nが操業条件の項目数nより多い場合、条件式よりも未知変数の数の方が多くなるため複数の解が得られ、その中から1つを選ぶ必要がある。そこで、最小二乗法を2次計画法により最適化に変換し、重みベクトルωを求める。下記の数13に示す式(10)を満たす最適な重みベクトルωを求めるには、下記の数14に示す式(11)のように変形すると、2次計画法の一般系に変形することができる。これによって、制約条件を附加し、一意には定まらないωiを求めることができる。
【0068】
【数13】
Figure 0004061008
【0069】
【数14】
Figure 0004061008
【0070】
(距離法)
次に、重みωiを求める場合に、現時点の操業条件実績x0と過去の操業条件実績xiとの差を距離だけに着目し、現時点の操業により近いもの(類似度の高いもの)の重みを大きく、遠いもの(類似度の低いもの)の重みを小さくすることが考えられる。
【0071】
ここでは、下記の数15に示す式(12)とすることで定式化した。kはiによらず一定値をとり、rは近いものと遠いものとの重みの差を決めるパラメータである。
【0072】
【数15】
Figure 0004061008
【0073】
このとき、重みωiが無制限に大きくなることを避けるために、下記の数16に示す式(13)の制約を設けた。実用上、r=2とすることでkが一意に求まる。
【0074】
【数16】
Figure 0004061008
【0075】
図8は、図1に示すデータ処理装置2で行われる処理を簡単に説明するフローチャートである。類似判断部2aでは、現時点の操業条件実績情報が入力されると、上述したようにマハラノビス距離により類似度を評価することで、現時点の操業条件実績情報に類似する複数の過去の操業条件実績情報を選び出す(ステップS101)。
【0076】
重み付け演算部2bでは、上記式(4)に示したように、上記現時点の操業条件実績情報を、選べ出された複数の過去の操業条件実績情報に重み付けをして表現する。このとき、上記式(7)〜(11)で説明した最小二乗法、あるいは、式(12)、(13)で説明した距離法を用いて、その重み付けを演算する(ステップS102)。
【0077】
操業結果値演算部2cでは、上記式(5)に示したように、上記選び出された複数の過去の操業条件実績情報に対する複数の過去の操業結果実績情報に、上記重み付け演算部2bで得られた重み付けに対応する重み付けにより、操業結果情報を演算する(ステップS103)。これにより、現時点の操業条件実績情報に対する将来の操業結果情報を得ることができ、その予測される操業結果情報を用いて、高炉プラントの安定操業を図ることが可能となる。
【0078】
次に、上述したノルム法による演算手法を実際の高炉プラントに適用し、翌日の溶銑温度の予測性の有効性について確認を行った結果を説明する。今回一例として、2つの高炉の過去の日平均データ1200日分を用い、前半の900日をモデル作成用、後半の300日を精度検証用のデータとした。
【0079】
予測に用いた項目は、溶銑温度と相関性の高い20項目を用いた。ここでは、図9に示すごとく、当日及び前日までのプロセスデータ(図9に○で表す操業アクション値、操業状態値、操業結果値)を用いて、溶銑温度等(図9に?で表す操業結果値)を予測するものとする。なお、溶銑温度に相関のある項目として、具体的には、送風量や高炉ステーブの温度や圧力等を用いた。
【0080】
図10には、入力項目として20項目を使用した場合に、上述した重み付けを最小二乗法及び距離法により行うことで予測を行った結果の散布図を示す。図10において、横軸は溶銑温度の実績値、縦軸には溶銑温度の予測値をとっており、斜め45度の線上に全ての点がある場合、予測誤差が0となる。
【0081】
上記図10に示す結果から、最小二乗法、距離法いずれを用いた場合でも、平均誤差が1%以下という高い精度で溶銑温度を予測できることがわかった。
【0082】
次に、上記監視装置3で行われる処理について説明する。監視装置3では、上述したようにして演算予測された操業結果値と、同じ時点での操業実績値との差分を一定時間積算する。そして、その値の平均値が閾値を超えた場合、過去に存在しない異常な状態が生じ、プラント操業に異常が生じるものとして図示しないアラーム等で警告する。このように差分を一定時間積分することにより、次に述べるように、ノイズ等の一時的な変動による影響を除去することができ、プラント操業の異常を早期に検知することができることが分かった。
【0083】
図11には、時間を横軸とした溶銑温度の予測値と実績値との差分値を示す。図11に示す期間において、1月9日にプラント操業に異常が生じていたことが分かっている。
【0084】
ここで、より詳細に見てみると、図11に示すように、通常操業であった1月1日〜8日では、予測値と実績値との差分は、変動の大きさにばらつきはあるものの、0のラインを挟んでプラス/マイナス両方向に変動している。この場合に、予測値と実績値との単純な差分だけをみるのでは、ノイズ等の一時的な変動により当該差分が一度でも閾値を超えると、異常であると判断されてしまう。それに対して、図12に示すごとく、差分を一定時間積分した平均値をみれば、これら1月1日〜8日では0のラインに近い値となり、ノイズ等の一時的な変動による影響が除去されることがわかる。そして、1月9日になって、プラス方向に大きく変動し、予め定めておいた閾値である25を超え、プラント異常が発生したことをいち早く検知することができた。
【0085】
なお、本発明の結果予測装置は、複数の機器から構成されるものであっても、1つの機器から構成されるものであってもよい。
【0086】
又、上述した実施の形態は、コンピュータのCPU或いはMPU、RAM、ROM等で構成されるものであり、RAMやROMに記録されたプログラムが動作することで実現される。したがって、上記実施の形態の機能を実現するためのソフトウェアのプログラムコードをコンピュータに供給するための手段、例えばかかるプログラムコードを格納した記憶媒体は本発明の範疇に含まれる。
【0087】
【発明の効果】
以上述べたように本発明によれば、現時点の条件情報に対して所定の類似度を有する複数の過去の条件情報を過去の条件情報の中から選び出し、上記選び出した複数の過去の条件情報に重み付けをして上記現時点の条件情報を表現するとともに、上記現時点の条件情報を表現するための重み付けに対応する重み付けを、上記複数の過去の条件情報のそれぞれに対する複数の過去の結果情報に行って、上記現時点の条件情報に対する結果情報を演算するようにしたので、予め知識を蓄積してルールを用意したり、メンテナンスを必要としたりする必要がなく、過去の事例を基に、演算により直接的に所定の結果情報を得ることができる。
【図面の簡単な説明】
【図1】本発明の実施の形態の結果予測装置の構成を示す図である。
【図2】予測手法としてのノルム法の考え方を示す概要図である。
【図3】相関のある2つのプロセス項目(x1、x2)があるとき、操業実績を×印でプロットしたものを示す図である。
【図4】ユークリッド距離について説明するための図である。
【図5】標準ユークリッド距離について説明するための図である。
【図6】マハラノビス距離について説明するための図である。
【図7】近傍点の個数N及び操業条件の項目数nと計算法との関係を示す図である。
【図8】演算予測処理を説明するためのフローチャートである。
【図9】当日及び前日までのプロセスデータを用いて溶銑温度等を予測することを示す図である。
【図10】溶銑温度と相関性の高い上位20項目を使用した場合の予測値と実績値との関係を示す図であり、(a)が最小二乗法を用いた場合を示す図で、(b)が距離法を用いた場合を示す図である。
【図11】溶銑温度の予測値と実績値との差分を示す図である。
【図12】図11における予測値と実績値との差分を8時間移動平均した結果を示す図である。
【符号の説明】
1 データ蓄積装置
2 データ処理装置
2a 類似判断部
2b 重み付け演算部
2c 操業結果値演算部
3 監視装置

Claims (15)

  1. 過去の条件情報、及び上記過去の条件情報に対する過去の結果情報を使用して、現時点の条件情報x0に対する結果情報y0を演算する結果予測装置であって、
    Nを正の整数として、上記過去の条件情報の中から、ノルム空間における式(1)を満たす上記現時点の条件情報x0に対して所定の類似度を有する複数の過去の条件情報xi(i=1,2,・・・,N)を選び出す類似判断手段と、
    上記類似判断手段によって選び出された複数の過去の条件情報xi(i=1,2,・・・,N)に、上記現時点の条件情報x0及び過去の条件情報xi(i=1,2,・・・,N)に基づいて、kを規格化定数として式(12)により算出される重み付け係数ωi(i=1,2,・・・,N)を付与して、式(14)により、現時点の条件情報の推定値x0^を表現する重み付け演算手段と、
    上記複数の過去の条件情報xi(i=1,2,・・・,N)のそれぞれに対する複数の過去の結果情報yi(i=1,2,・・・,N)に、式(15)により、上記重み付け係数ωi(i=1,2,・・・,N)を付与して現時点の結果情報の推定値y0^を演算する結果情報演算手段と、を備えたことを特徴とする結果予測装置。
    Figure 0004061008
  2. 上記事象がプラント操業であることを特徴とする請求項1に記載の結果予測装置。
  3. 上記条件情報には、複数の条件項目が含まれることを特徴とする請求項1または2に記載の結果予測装置。
  4. 上記類似判断手段は、上記所定の類似度をマハラノビス距離を用いて評価することを特徴とする請求項1〜3のいずれか1項に記載の結果予測装置。
  5. 上記類似判断手段は、上記複数の過去の条件情報として、上記所定の類似度の高いものから一定の数だけ選び出すことを特徴とする請求項1〜4のいずれか1項に記載の結果予測装置。
  6. 上記類似判断手段は、上記複数の過去の条件情報として、上記所定の類似度の範囲内にある全ての条件情報を選び出すことを特徴とする請求項1〜4のいずれか1項に記載の結果予測装置。
  7. 上記重み付け演算手段は、r=2とし、kを規格化定数として式(12)により重み付け係数ω i を算出することを特徴とする請求項1〜6のいずれか1項に記載の結果予測装置。
  8. 上記演算された結果情報と実績の結果情報との差分を監視する監視手段を備えたことを特徴とする請求項1〜のいずれか1項に記載の結果予測装置。
  9. 上記監視手段は、上記演算された結果情報と上記実績の結果情報との差分を一定時間積算することを特徴とする請求項に記載の結果予測装置。
  10. 上記監視手段は、上記一定時間積算した値の平均値を所定の閾値と比較することを特徴とする請求項に記載の結果予測装置。
  11. 所定のプラントでの操業結果情報を演算するのに適用され、上記条件情報として操業アクション値及びプラント状態値を使用することを特徴とする請求項1〜10のいずれか1項に記載の結果予測装置。
  12. 上記プラントは高炉製鉄プラントであることを特徴とする請求項11に記載の結果予測装置。
  13. 上記結果情報を溶銑温度とし、上記操業アクション値として少なくとも送風量を使用し、又、上記プラント状態値として少なくとも高炉の温度を使用することを特徴とする請求項12に記載の結果予測装置。
  14. 過去の条件情報、及び上記過去の条件情報に対する過去の結果情報を使用して、現時点の条件情報x0に対する結果情報y0を演算する結果予測方法であって、
    Nを正の整数として、上記過去の条件情報の中から、ノルム空間における式(1)を満たす上記現時点の条件情報x0に対して所定の類似度を有する複数の過去の条件情報xi(i=1,2,・・・,N)を選び出す類似判断処理と、
    上記類似判断処理によって選び出された複数の過去の条件情報xi(i=1,2,・・・,N)に、上記現時点の条件情報x0及び過去の条件情報xi(i=1,2,・・・,N)に基づいて、kを規格化定数として式(12)により算出される重み付け係数ωi(i=1,2,・・・,N)を付与して、式(14)により、現時点の条件情報の推定値x0^を表現する重み付け演算処理と、
    上記複数の過去の条件情報xi(i=1,2,・・・,N)のそれぞれに対する複数の過去の結果情報yi(i=1,2,・・・,N)に、式(15)により、上記重み付け係数ωi(i=1,2,・・・,N)を付与して現時点の結果情報の推定値y0^を演算する結果情報演算処理と、を行うことを特徴とする結果予測方法。
    Figure 0004061008
  15. 過去の条件情報、及び上記過去の条件情報に対する過去の結果情報を使用して、現時点の条件情報x0に対する結果情報y0を演算するためのプログラムを格納するコンピュータ読み取り可能な記憶媒体であって、
    Nを正の整数として、上記過去の条件情報の中から、ノルム空間における式(1)を満たす上記現時点の条件情報x0に対して所定の類似度を有する複数の過去の条件情報xi(i=1,2,・・・,N)を選び出す類似判断処理と、
    上記類似判断処理によって選び出された複数の過去の条件情報xi(i=1,2,・・・,N)に、上記現時点の条件情報x0及び過去の条件情報xi(i=1,2,・・・,N)に基づいて、kを規格化定数として式(12)により算出される重み付け係数ωi(i=1,2,・・・,N)を付与して、式(14)により、現時点の条件情報の推定値x0^を表現する重み付け演算処理と、
    上記複数の過去の条件情報xi(i=1,2,・・・,N)のそれぞれに対する複数の過去の結果情報yi(i=1,2,・・・,N)に、式(15)により、上記重み付け係数ωi(i=1,2,・・・,N)を付与して現時点の結果情報の推定値y0^を演算する結果情報演算処理と、をコンピュータに実行させるプログラムを格納したことを特徴とするコンピュータ読み取り可能な記憶媒体。
    Figure 0004061008
JP2000102731A 2000-04-04 2000-04-04 結果予測装置、方法、及びコンピュータ読み取り可能な記憶媒体 Expired - Fee Related JP4061008B2 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2000102731A JP4061008B2 (ja) 2000-04-04 2000-04-04 結果予測装置、方法、及びコンピュータ読み取り可能な記憶媒体

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2000102731A JP4061008B2 (ja) 2000-04-04 2000-04-04 結果予測装置、方法、及びコンピュータ読み取り可能な記憶媒体

Publications (2)

Publication Number Publication Date
JP2001290508A JP2001290508A (ja) 2001-10-19
JP4061008B2 true JP4061008B2 (ja) 2008-03-12

Family

ID=18616556

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2000102731A Expired - Fee Related JP4061008B2 (ja) 2000-04-04 2000-04-04 結果予測装置、方法、及びコンピュータ読み取り可能な記憶媒体

Country Status (1)

Country Link
JP (1) JP4061008B2 (ja)

Families Citing this family (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4136535B2 (ja) * 2002-08-20 2008-08-20 株式会社国際電気通信基礎技術研究所 エージェントコントローラおよびコンピュータで実行可能なエージェント制御プログラム
JP4821232B2 (ja) * 2004-09-27 2011-11-24 Jfeスチール株式会社 操業結果予測方法及びそのシステム
JP4520819B2 (ja) * 2004-10-25 2010-08-11 大陽日酸株式会社 プラントの故障予測方法
JP4538730B2 (ja) * 2005-02-09 2010-09-08 株式会社安川電機 モータ制御装置
JP2007058366A (ja) * 2005-08-23 2007-03-08 Yokogawa Electric Corp プロセスデータ管理システムおよびプロセスデータ管理方法
JP4821284B2 (ja) * 2005-11-18 2011-11-24 Jfeスチール株式会社 操業結果予測方法及びそのシステム
CN101361085B (zh) 2006-01-13 2012-07-04 杰富意钢铁株式会社 预测公式生成装置及预测公式生成方法
JP5176206B2 (ja) * 2007-08-24 2013-04-03 新日鉄住金エンジニアリング株式会社 プロセスの状態類似事例検索方法及びプロセスの制御方法
JP5577568B2 (ja) * 2008-01-17 2014-08-27 Jfeスチール株式会社 インペラー脱硫制御装置及び方法
EP2187283B1 (en) * 2008-02-27 2014-08-13 Mitsubishi Hitachi Power Systems, Ltd. Plant state monitoring method, plant state monitoring computer program, and plant state monitoring apparatus
US9799110B2 (en) 2013-07-29 2017-10-24 Jfe Steel Corporation Abnormality detection method and blast furnace operation method
JP6024718B2 (ja) * 2013-11-15 2016-11-16 Jfeスチール株式会社 高炉炉熱予測装置及び高炉炉熱予測方法
JP6303565B2 (ja) * 2014-02-12 2018-04-04 富士電機株式会社 設定支援装置、設定支援方法、プログラム、報知予測装置、報知予測方法
JP6623784B2 (ja) * 2016-01-21 2019-12-25 富士電機株式会社 設定支援装置及びプログラム
JP2017204017A (ja) * 2016-05-09 2017-11-16 公益財団法人鉄道総合技術研究所 プログラム、生成装置及び予兆検知装置

Also Published As

Publication number Publication date
JP2001290508A (ja) 2001-10-19

Similar Documents

Publication Publication Date Title
JP4061008B2 (ja) 結果予測装置、方法、及びコンピュータ読み取り可能な記憶媒体
CN107636619B (zh) 信息处理装置、信息处理系统、信息处理方法及记录介质
JP5179086B2 (ja) 工業プロセスの監視方法及び監視システム
JP2021101388A (ja) 予測分析用の動作中心型第一原理プロセスモデルの動的構築及びオンライン配備のためのコンピュータシステム及び方法
EP2008161B1 (en) Process monitoring technique and related actions
KR101941854B1 (ko) 미취득 데이터 보정을 통한 부하 예측 시스템 및 방법
US20090097537A1 (en) Simplified algorithm for abnormal situation prevention in load following applications including plugged line diagnostics in a dynamic process
US20120296605A1 (en) Method, computer program, and system for performing interpolation on sensor data for high system availability
JP2003076414A (ja) 生産装置の故障診断方法及び生産装置の故障診断システム
CN107831736B (zh) 使用用于造纸机或其它系统的模型参数数据群集的模型-工厂失配检测
JP5176206B2 (ja) プロセスの状態類似事例検索方法及びプロセスの制御方法
Day et al. Improved methods for evaluating base temperature for use in building energy performance lines
Parlos et al. Neuro-predictive process control using online controller adaptation
JP2023106037A (ja) 運転支援装置、運転支援方法及びプログラム
JP2017010232A (ja) プラント診断装置及びプラント診断方法
JP4691005B2 (ja) 製造プロセスの操業状態の予測方法、装置、コンピュータプログラム、及びコンピュータ読み取り可能な記憶媒体
CN115576267A (zh) 一种基于数字孪生的轮毂机加工尺寸误差修正方法
KR101960755B1 (ko) 미취득 전력 데이터 생성 방법 및 장치
JP4637583B2 (ja) ヒステリシスを決定するための方法、システム、及びプログラム
CN118211082A (zh) 基于数据分析的油液滤芯剩余寿命预测方法及系统
JPH0695707A (ja) モデル予測制御装置
JP6129508B2 (ja) 異常検出前処理装置および方法ならびにプログラム、それを備えた異常検出装置
CN116760033B (zh) 一种基于人工智能的实时电力需求预测系统
CN117009861A (zh) 一种基于深度学习的液压泵马达寿命预测方法和系统
JP2003162563A (ja) 操業結果予測装置及びその方法

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20041217

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20060905

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20061003

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20061204

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20070206

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20070409

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20070703

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20070903

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20071211

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20071221

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20101228

Year of fee payment: 3

LAPS Cancellation because of no payment of annual fees