JP5633522B2 - 操業状況評価装置、操業状況評価方法、コンピュータプログラムおよびコンピュータ読み取り可能な記憶媒体 - Google Patents

Description

本発明は、高炉等のプロセスの操業状況を過去事例に基づき評価する操業状況評価装置、操業状況評価方法、コンピュータプログラムおよびコンピュータ読み取り可能な記憶媒体に関する。

プロセスの操業状況の良否を評価することは、操業状況の悪化を未然に予測し、操業トラブルの発生を防止することにつながる。しかしながら、高炉等の大規模、複雑、非線形かつ非定常なプロセスにおいて、多数の操業因子から操業状況の良否に大きく影響を与える操業因子を特定することは容易ではない。このため、多数の入力変数データから意味のある入力変数データを適切に選択するための手法が提案されている。

例えば、サポートベクターマシン（Ｓｕｐｐｏｒｔ Ｖｅｃｔｏｒ Ｍａｃｈｉｎｅ；以下、「ＳＶＭ」とも記載する。）という機械学習手法では、学習データに対する学習誤りと過学習との度合いを表す評価関数を最小化する最適化問題を解くことで特徴量空間の判別境界を決定する。ＳＶＭでは、超平面だけでなく多次元空間中の曲面などの複雑な判別境界を求めることができるので、訓練誤差・汎化誤差に関する性能が優れているという特徴がある。ＳＶＭを用いることで、多数の入力変数データに対し、好調不調のような２つにクラス分けされた教師データを学習して、新たに与えられた入力変数データがクラス分けされるべきクラスを推定する判別器を構成することができる。

しかしながら、クラス分けの推定精度を高くするためには、適切な入力変数データを選択する必要がある。クラス分けに関係のない操業因子も入力変数データに加えてしまうと、ノイズなどによる異常データに対してもクラス分けを行おうとしてしまい、不必要に複雑な判別器が構成され、却って予測精度が悪くなる。

適切な入力変数データを選択する方法として、ステップワイズ法、ベストパス法、近傍探索法、遺伝的アルゴリズム等の手法に基づいて候補多変量判別式の変数を選択することも行われている（例えば、特許文献１）。

また、特許文献２には、操業条件を複数の範囲に分割し、これらを複数の操業条件間で組み合わせた操業条件メッシュを作成して、各操業条件メッシュにおける品質データの確率密度に基づいて品質指標を算出した後、全ての操業因子の組合せに対して、各操業条件メッシュの品質指標から選択された最大値と最小値との差分で算出される影響度が大きな操業因子の組合せを選択して提示する手法が開示されている。

特開２００８−２０３２５０号公報 特開２００８−１４６６２１号公報

しかし、上記特許文献１は、候補多変量判別式の変数を選択するためのいくつかの手法のうち特定の手法についての優位性を主張するものではなく、プロセスの操業状況を評価するにあたり適切な入力変数データを選択する効果的な手法が求められている。

そこで、本発明は、上記問題に鑑みてなされたものであり、本発明の目的とするところは、多数の操業因子の中から操業状況の良否に影響の大きい操業因子を適切に選択して、それらを入力変数データとして操業状況の評価を行う操業評価関数を構築し、操業並びに材質の安定化や不良発生頻度を低減させることが可能な、新規かつ改良された操業状況評価装置、操業状況評価方法、コンピュータプログラムおよびコンピュータ読み取り可能な記憶媒体を提供することにある。

上記課題を解決するために、本発明のある観点によれば、プロセスの操業状況を表す実績データと、当該操業状況の良否の評価である良否判定結果とを含むデータである評価済実績データから、実績データに含まれる操業条件を、操業変数毎に複数の範囲に区分し、各区分における良否判定結果の確率分布をそれぞれ算出し、各確率分布から算出される当該操業変数の操業状況の良否への影響度である操業影響度に基づいて、プロセスの操業状況の良否と相関の高い操業変数を抽出する確率分布相関解析を行う相関解析部と、相関の高い操業変数および良否判定結果に基づいて、プロセスの操業状況を評価する操業評価値を算出するための操業評価関数を、サポートベクターマシンを用いて構成する操業評価関数構成部と、操業評価関数に基づいて新たな実績データに対する操業評価値を算出する操業評価部と、新たな実績データに対する操業評価値を提示する操業評価出力部と、を備えることを特徴とする、プロセスの操業状況評価装置が提供される。

ここで、相関解析部は、評価済実績データの確率分布相関解析により算出された操業影響度が大きい操業変数を選択してもよい。

相関解析部は、評価済実績データの操業変数をプロセスへの入力変数とプロセスからの出力変数とに分類し、入力変数と出力変数とにおいて操業影響度が大きい操業変数をそれぞれ選択してもよい。

また、良否判定結果は、二値データにより表してもよい。

さらに、良否判定結果は、評価時点に対して前後一定期間の評価済実績データを用いて算出してもよい。

また、操業評価部は、操業評価値として連続値を算出してもよい。このとき、操業評価部は、連続値に対して平滑化処理を行った値を操業評価値としてもよい。

さらに、評価済実績データは、過去のプロセスの操業状況のうち良否の特徴を表している典型的な操業状況を表す実績データを評価したデータとしてもよい。

また、上記課題を解決するために、本発明の別の観点によれば、プロセスの操業状況を表す実績データと、当該操業状況の良否の評価である良否判定結果とを含むデータである評価済実績データから、実績データに含まれる操業条件を、操業変数毎に複数の範囲に区分し、各区分における良否判定結果の確率分布をそれぞれ算出し、各確率分布から算出される当該操業変数の操業状況の良否への影響度である操業影響度に基づいて、プロセスの操業状況の良否と相関の高い操業変数を抽出する確率分布相関解析を行う相関解析ステップと、相関の高い操業変数および良否判定結果に基づいて、プロセスの操業状況を評価する操業評価値を算出するための操業評価関数を、サポートベクターマシンを用いて構成する操業評価関数構成ステップと、操業評価関数に基づいて新たな実績データに対する操業評価値を算出する操業評価ステップと、新たな実績データに対する操業評価値を提示する操業評価出力ステップと、を含むことを特徴とする、プロセスの操業状況評価方法が提供される。

さらに、上記課題を解決するために、本発明の別の観点によれば、コンピュータを、プロセスの操業状況を表す実績データと、当該操業状況の良否の評価である良否判定結果とを含むデータである評価済実績データから、実績データに含まれる操業条件を、操業変数毎に複数の範囲に区分し、各区分における良否判定結果の確率分布をそれぞれ算出し、各確率分布から算出される当該操業変数の操業状況の良否への影響度である操業影響度に基づいて、プロセスの操業状況の良否と相関の高い操業変数を抽出する確率分布相関解析を行う相関解析部と、相関の高い操業変数および良否判定結果に基づいて、プロセスの操業状況を評価する操業評価値を算出するための操業評価関数を、サポートベクターマシンを用いて構成する操業評価関数構成部と、操業評価関数に基づいて新たな実績データに対する操業評価値を算出する操業評価部と、新たな実績データに対する操業評価値を提示する操業評価出力部と、を備えるプロセスの操業状況評価装置として機能させることを特徴とする、コンピュータプログラムが提供される。

また、上記課題を解決するために、本発明の別の観点によれば、コンピュータに、プロセスの操業状況を表す実績データと、当該操業状況の良否の評価である良否判定結果とを含むデータである評価済実績データから、実績データに含まれる操業条件を、操業変数毎に複数の範囲に区分し、各区分における良否判定結果の確率分布をそれぞれ算出し、各確率分布から算出される当該操業変数の操業状況の良否への影響度である操業影響度に基づいて、プロセスの操業状況の良否と相関の高い操業変数を抽出する確率分布相関解析を行う相関解析部と、相関の高い操業変数および良否判定結果に基づいて、プロセスの操業状況を評価する操業評価値を算出するための操業評価関数を、サポートベクターマシンを用いて構成する操業評価関数構成部と、操業評価関数に基づいて新たな実績データに対する操業評価値を算出する操業評価部と、新たな実績データに対する操業評価値を提示する操業評価出力部と、を備えるプロセスの操業状況評価装置として機能させるためのプログラムを記憶したコンピュータ読み取り可能な記憶媒体が提供される。

以上説明したように本発明によれば、多数の操業因子の中から選択された、操業状況の良否に影響の大きい操業因子を適切に選択して、それらを入力変数データとして操業状況の評価を行う操業評価関数を構築する操業状況評価装置、操業状況評価方法、コンピュータプログラムおよびコンピュータ読み取り可能な記憶媒体を提供することができる。これにより、大規模、複雑、非線形かつ非定常なプロセスの操業状況の悪化を未然に予測することが可能となり、操業並びに材質の安定化や不良発生頻度の低減に大きく寄与する。

本発明の第１の実施形態に係る操業状況評価装置の機能構成を示す機能ブロック図である。 同実施形態に係る相関解析部の機能構成を示す機能ブロック図である。 同実施形態に係る操業状況評価装置によるプロセスの操業状況評価方法を示すフローチャートである。 高炉の送風流量の実績データの一例を示す説明図である。 高炉の操業プロセスにおける評価済実績データの各操業因子の操業影響度の一例を示す表である。 確率分布相関解析による操業不調と入力変数との相関関係を示すグラフの一例である。 同実施形態に係る操業状況評価装置による操業状況評価方法を用いて高炉の製造プロセスの操業状況を評価した評価結果の一実施例を示すグラフである。 同実施形態に係る操業状況評価装置のハードウェア構成を示すブロック図である。

以下に添付図面を参照しながら、本発明の好適な実施の形態について詳細に説明する。なお、本明細書及び図面において、実質的に同一の機能構成を有する構成要素については、同一の符号を付することにより重複説明を省略する。

＜１．操業状況評価装置の機能構成＞
まず、図１および図２を参照して、本発明の第１の実施形態に係る操業状況評価装置１００の機能構成について説明する。なお、図１は、本実施形態に係る操業状況評価装置１００の機能構成を示す機能ブロック図である。図２は、本実施形態に係る相関解析部１１０の機能構成を示す機能ブロック図である。

本実施形態に係る操業状況評価装置１００は、大規模、複雑、非線形かつ非定常なプロセスの操業状況を評価する装置である。本実施形態では操業状況評価装置１００による高炉の製造プロセスの操業状況評価を一例として説明する。ここで、高炉の製造プロセス１０からは所定のタイミングで操業因子である操業変数のデータが取得され、当該操業変数のデータは実績データとして実績データベース２０に記録されている。また、実績データベース２０に記録されている過去の実績データについて、予め操業状況の良否判断が、良否の中間的な状態の実績データを除外して評価され、安定的に良いと評価されるデータ、及び安定的に評価の悪いデータ、つまり、操業状況の良否の特徴を表している典型的な実績データが、評価結果とともに、評価済実績データとして操業状況評価済データベース３０に記録される。当該評価処理は、予め設定された判断条件に基づいて評価する評価装置（図示せず。）により行ってもよく、ユーザが行ってもよい。

操業状況評価装置１００は、操業状況評価済データベース３０が記憶する評価済実績データを用いて、各操業変数についての良否判定結果を操業評価指標として確率分布に基づく相関解析を行うことで、プロセスの操業状況を適切に評価することの可能な操業評価関数を構築するために用いる操業変数を抽出する。そして、操業状況評価装置１００は、抽出した操業変数についての評価済実績データに基づいて操業評価関数を構築し、構築された操業評価関数を用いて実績データベース２０に記録されている実績データからプロセスの操業状況を評価する。

このような操業状況評価装置１００は、図１に示すように、相関解析部１１０と、操業評価関数構成部１２０と、操業評価部１３０と、操業評価出力部１４０とからなる。

［相関解析部１１０］
相関解析部１１０は、評価済実績データの操業状況の良否判定結果を解析し、プロセスの操業状況を評価する操業評価関数を構築するために用いる操業変数を抽出する。本実施形態に係る相関解析部１１０は、評価済実績データの各操業変数についての良否判定結果を操業評価指標として、上記特許文献２に開示された確率分布に基づく相関解析（以下、「確率分布相関解析」と称する。）を用いて、評価済実績データの操業状況の良否判定結果を解析する。

（確率分布相関解析）
確率分布相関解析では、上記特許文献２に開示されているように、操業条件を、操業変数毎に複数の範囲に区分し、各区分における操業状況の良否判定結果の確率密度に基づいて操業評価指標を算出し、各操業変数区分の操業評価指標から最大値と最小値を選択して、その差分で算出される操業影響度が大きな操業変数を選択して、操業評価関数の入力とするために操業評価関数構成部１２０に出力する。具体的には、相関解析部１１０は、図２に示すように、操業変数区分作成部１１１と、確率分布算出部１１２と、操業評価指標算出部１１４と、操業影響度算出部１１６とからなる。

操業変数区分作成部１１１は、操業条件を、操業変数毎に複数の範囲に領域区分する領域区分処理を行う。具体的には、領域区分処理では操業変数範囲を区分する区分点を決定する。区分点の決定は、例えば各操業変数のデータから最大値および最小値を算出し、最大値と最小値との間を予め設定された操業変数分割個数ｍで等分割するように決定してもよい。

あるいは、まず、評価済み実績データの個数を操業変数分割個数ｍで除した値を求め、各操業変数を分割した１分割に入るべきデータ個数を算出する。次いで、各評価済み実績データを当該操業変数の値によって昇順にソートして、上記１区分に入るべきデータ個数の整数倍に対応する順番に該当する評価済実績データを求め、これを区分点とすることにより、各区分点の間にほぼ同じ個数の評価済績データが存在するようにしてもよい。このように、操業変数区分作成部１１１は、操業変数毎に、当該操業条件を複数の範囲に区分した操業変数区分を作成する。

確率分布算出部１１２は、評価済実績データに含まれる操業状況の良否判定結果を用いて、度数分布に基づく操業状況の良否判定結果の確率分布を算出する。確率分布算出部１１２は、まず、操業変数区分作成部１１１で作成された操業変数区分それぞれに対応する評価済実績データを抽出する。そして、確率分布算出部１１２は、予め操業状況の良否判定結果の度数分布を近似するのに適した所定の確率密度関数を設定し、選択された操業状況の良否判定結果を用いて確率密度関数のパラメータを決定する。操業状況の良否判定結果の度数分布の近似に適した確率密度関数としては、例えば下記数式１で表される正規分布関数がある。

ここでμは平均、σは標準偏差である。その他の確率密度関数としては、例えば指数分布関数や対数正規分布関数、ポアソン分布や二項分布等、確率統計理論の分野で提案された確率密度関数がある。利用する確率密度関数の選択は、予め全ての評価済実績データの操業状況の良否判定結果を用いて度数分布を作成して、その度数分布に最も近い分布形態の確率密度関数を選択すればよい。

操業評価指標算出部１１４は、各操業変数区分とこれに対応するパラメータが設定された確率密度関数とに基づいて、予め設定された操業評価確率値と等しい累積確率となる操業評価指標を算出する。操業評価指標算出部１１４は、評価する操業変数区分に対応する確率密度関数に基づき、操業状況の良否判定結果Ｙに対する確率密度ｆ（Ｙ）の分布を求める。

ここで、良否判定結果Ｙを負の無限大からＹ０の範囲で積分したものを確率統計論の分野では累積確率と定義している。累積確率は、良否判定結果Ｙが負の無限大からＹ０の範囲を取り得る確率に相当するもので、Ｙ０が正の無限大の場合、すなわち良否判定結果が取り得る全ての値を含む場合の累積確率は１００％となる。操業評価指標算出部１１４は、累積確率が予め設定された操業評価確率値α（例えば５０％）に等しくなる操業評価指標Ｙ０を求める。操業評価指標Ｙ０は、この操業変数区分において確率αで発生し得る最も悪い操業評価指標を意味する。

操業影響度算出部１１６は、各操業変数について操業評価指標の最大値と最小値を求めて、その差分をこの操業変数における操業影響度とする。操業変数における操業評価指標の差分は、操業条件としてこの操業変数の値を種々変更した場合に、操業状況の良否判定結果が、どの程度変化するかを反映した指標である。すなわち、操業影響度が大きい操業変数は、操業条件を変化させることで、操業状況の良否判定結果が良い方向にも悪い方向にも変化しており、操業状況の改善に有効な操業変数といえる。一方、操業影響度が小さい操業変数は、操業条件を変化させても、操業状況の良否判定結果は相対的に変化しない。このように、操業影響度算出部１１６は、各操業変数における操業評価指標に基づき、操業条件の違いによる操業評価指標の差異を数値化した操業影響度を計算する。

相関解析部１１０は、操業影響度算出部１１６にて算出された操業影響度のうち操業影響度が大きな操業変数を抽出し、操業評価関数構成部１２０へ出力する。

［操業評価関数構成部１２０］
操業評価関数構成部１２０は、評価済実績データベース３０内の実績データに関して、相関解析部１１０で操業影響度が大きいとされた操業変数を入力変数、良否判定結果を出力変数として、サポートベクターマシン（ＳＶＭ）を用いた操業評価関数を構築する。ＳＶＭは、学習データに対する学習誤りと過学習との度合いを表す評価関数を最小化する最適化問題を解くことで特徴量空間の判別境界を決定する機械学習手法である。ＳＶＭを用いることで、多数の入力変数データに対し、好調不調のような２つにクラス分けされた教師データを学習して、新たに与えられた入力変数データがクラス分けされるべきクラスを推定することができる。

ここで、ＳＶＭは、多次元の入力変数ｘ_ｉ（ｉ＝１，・・・，Ｎ）とこれに対応する教師データｔ_ｉ（ｔ_ｉ＝１または−１）を元にして、下記数式２で表される新たな入力変数ｘを判別する関数ｙ（ｘ）を構成する。ここで、Ｎは操業状況評価済データベース３０が記憶する評価済実績データの数であり、ｉはそれぞれの評価済実績データを指す指数である。

ここで、ｋ（ｘ，ｘ_ｉ）は、予め与えられるカーネル関数であり、下記数式３に示すガウスカーネルが一般的によく利用される。

また、数式２のａ_ｉ（ｉ＝１，・・・，Ｎ）およびｂは、ｔ_ｉ＝１となるｘ_ｉとｔ_ｉ＝−１となるｘ_ｉとが、ｙ（ｘ）＝０となる境界面で区分される場合（誤判別がない場合）は、境界面ｙ（０）＝０とｔ_ｉ＝１となるｘ_ｉおよびｔ_ｉ＝−１となるｘ_ｉとの距離がなるべく大きくなるように決定される。一方、ｔ_ｉ＝１となるｘ_ｉとｔ_ｉ＝−１となるｘ_ｉとが、ｙ（ｘ）＝０となる境界面で区分できない場合（誤判別が生じる場合）は、境界面ｙ（０）＝０と誤判別されるｘ_ｉとの距離がなるべく小さくなるように決定される。新たな入力変数Ｘに対する関数値ｙ（Ｘ）をＳＶＭ判定値と称する。ＳＶＭ判定値ｙ（Ｘ）＞０であればＸはｔ＝１のクラスに判別され、ｙ（Ｘ）＜０であればＸはｔ＝−１のクラスに判別される。

本実施形態においては、操業変数からなるベクトルをｘ_ｉとして、操業状況が良好とされるｘ_ｉについてｔ_ｉ＝１とし、操業状況が不調とされるｘ_ｉについてｔ_ｉ＝−１とする。これらのデータを教師データとしてＳＶＭによって構成された関数ｙ（ｘ）を操業評価関数とし、変数Ｘに対する操業評価関数の値ｙ（Ｘ）をＳＶＭ判定値とする。このようにして、操業評価関数構成部１２０は、ＳＶＭ判定値ｙ（Ｘ）を算出するための操業評価関数ｙ（ｘ）を構築する。

［操業評価部１３０］
操業評価部１３０は、実績データベース２０内の実績データに関し、操業評価関数構成部１２０にて構築された操業評価関数ｙ（ｘ）を用いて操業評価値となるＳＶＭ判別値ｙ（Ｘ）を算出する。操業評価部１３０は、実績データベース２０から所定期間の実績データを取得し、上記数式（２）を用いてＳＶＭ判別値を算出する。操業評価部１３０は、算出したＳＶＭ判別値を操業評価出力部１４０へ出力する。

［操業評価出力部１４０］
操業評価出力部１４０は、操業評価部１３０で算出された実績データに対する操業評価値（ＳＶＭ判別値）に基づき判定した、プロセスの操業の良否判定を表示する出力装置である。また、操業評価出力部１４０は、操業評価値が閾値に近づいた場合に、オペレータに対して注意喚起を行うアラーム等を発する音声出力装置の機能を備えていてもよい。

＜２．プロセスの操業状況評価方法＞
次に、図３〜図６に基づいて、本実施形態に係る操業状況評価装置１００によるプロセスの操業状況評価方法について説明する。なお、図３は、本実施形態に係る操業状況評価装置１００によるプロセスの操業状況評価方法を示すフローチャートである。図４は、高炉の送風流量の実績データの一例を示す説明図である。図５は、高炉の操業プロセスにおける評価済実績データの各操業変数の操業影響度の一例を示す表である。図６は、確率分布相関解析による操業不調と入力変数との相関関係を示すグラフの一例である。

本実施形態に係る操業状況評価装置１００によるプロセスの操業状況評価方法は、操業状況評価処理を行うために、図３に示すように、プロセスから所定のタイミングで実績データを取得している（Ｓ１００）。操業状況を評価するプロセスの一例として高炉の製造プロセス１０を取り上げると、製造プロセス１０から所定のタイミングで（例えば１時間毎に）操業変数の実績データが取得される。製造プロセス１０から取得された実績データは、実績データベース２０に記録される。

次いで、実績データベース２０に記録されている実績データのうち、典型的な操業状況を示す実績データについて操業状況の良否判断の評価が行われたデータである評価済実績データを取得する（Ｓ１１０）。実績データについての操業状況の良否判断は、評価する操業変数の特性に応じて適宜判断条件を設定して行うことができる。

例えば、高炉の製造プロセス１０より、高炉の送風流量の実績データが所定のタイミングで（例えば１時間毎に）取得されるとする。高炉の送風流量は、炉床の側壁部の羽口から炉内に吹き込む熱風の送風流量であり、例えば高炉内の原料が多ければ送風流量が大きくなり原料が少なければ小さくなるというように、通常は高炉内の原料の状態に応じて変更される。しかし、鉄鉱石、コークス、石灰石等の反応が十分に行われなかったりすることで炉況が不良となると、送風流量を大幅に低下して減風する対応がとられる。そこで、高炉の送風流量の実績データから減風発生割合を求めることで、高炉不調期間を抽出できる。

高炉の送風流量の実績データの一例を図４に示す。図４では、ある期間（４月１３日〜１０月２６日）において取得した送風流量の値を炉容積で割った相対値を○で示している。本例では、減風発生を判定する時点の前後一定時間（例えば±４８時間）の最大送風流量を基準送風量として、送風流量が基準送風流量に対し一定割合範囲（７０％〜９８％）の場合を減風と判定している。なお、基準送風流量に対して送風流量が７０％未満の場合は、計画もしくは炉況以外の要因による休風として減風から除外している。このような減風発生判定により、図４のような減風発生の頻度の変化を取得することができる。

減風発生の判定結果より、炉況の好調不調が判定される。例えば、炉況の好調不調の判定は、炉況を判定する時点の前後一定時間（例えば±１２０時間）において、減風の発生が所定割合以下（例えば１０％以下）であるとき炉況は好調、減風の発生が所定割合以上（例えば２０％以上）であるとき炉況は不調であるとすることができる。このような炉況判定に基づき、炉況の好調期間および不調期間を抽出することができる。これより、減風の発生割合が１０〜２０％である域の実績データは教師データとして使用しないことになる。炉況の好調期間および不調期間の抽出は、上記判定処理を実行可能な評価装置によって判断してよいが、ユーザの目視判断を加えて、複数の期間をまとめて好調期間または不調期間としてもよいし、短い期間については一時的なものとして除外してもよい。

例えば、図４において、減風頻度の折れ線が、水平線Ａ１〜Ａ４以下の部分は減風の発生割合が１０％以下である期間を示し、水平線Ｂ１〜Ｂ３以上の部分は減風の発生割合が２０％以上である期間を示している。ここで、４月２０日頃から６月２２日頃までの期間に注目すると、減風の発生割合が１０％以下となって減風頻度の折れ線が水平線Ａ１以下であるのは４つの部分に分かれているが、この期間で減風頻度は多少変動しながらも水平線Ａ１の付近を保っているため、この期間をまとめて連続した一つの好調期間として抽出している。同様に、減風頻度の折れ線が水平線Ｂ３以上である部分も二つの部分に分かれているが、連続した一つの不調期間としている。水平線Ａ４以下である部分も同じく一つの好調期間としている。逆に、水平線Ａ２以下である期間も減風の発生割合が１０％以下であるが、この期間は一週間に満たないため、一時的なものとして好調期間からは除外している。また、水平線Ｂ２以上である期間は本手法で構成された操業評価値の検証に用いるため、教師データからは除外した。

以下では、図４の期間を含む約３年間の実績データ取得期間において、１１個の好調期間（好調期間の合計時間：約６００日）と９個の不調期間（不調期間の合計時間：約２５０日）とが抽出されたとして説明する。操業状況評価済データベース３０には、これらの好調期間および不調期間における実績データ（評価済実績データ）が、炉況の好調期間または不調期間を識別するための炉況判定結果と関連付けて記録される。炉況判定結果は、例えば、好調期間を「０」、不調期間を「１」として表すことができる。

ステップＳ１１０では、減風発生の判定において減風発生を判定する時点の前後一定時間の実績データを用いるとともに、炉況の好調不調の判定においても炉況を判定する時点の前後一定時間の実績データを用いる。このように、評価時点に対して前後一定期間の実績データを用いて評価を行うことで、過去および将来の操業状況を考慮した評価結果を取得することができる。

ステップＳ１００およびＳ１１０の前提処理にて取得された実績データベース２０の実績データおよび操業状況評価済データベース３０の評価済実績データに基づき、プロセスの操業状況評価処理が行われる。操業状況評価処理は、まず、相関解析部１１０により、操業状況評価済データベース３０に記録された評価済実績データについて確率分布相関解析が行われる（Ｓ１２０）。ステップＳ１２０では、評価済実績データを教師データとして、プロセスの全操業変数データの確率分布相関解析が行われる。

例えば、図５に示すように入力変数２１個、出力変数７６個からなる合計９７個の送風流量の操業変数があるとする。送風流量の操業変数としては、例えば、入力変数ではＣＲやＰＣＲ等、出力変数では高炉本体系熱負荷や送風圧力等がある。相関解析部１１０は、
評価済実績データの各操業変数の各操業変数区分について操業状況の良否判定結果の確率密度分布に基づいて操業評価指標を算出する。そして、相関解析部１１０は、各操業変数区分の操業評価指標から最大値および最小値を選択し、その差分で表される操業影響度を算出する。本例の確率分布相関解析では、確率分布関数としては正規分布を用い、操業評価確率値αを５０％としている。

図６に、９７個の操業変数のうち「入力変数６」についての炉況の不調との相関関係を示す。図６に示すグラフの縦軸は、「入力変数６」についての評価済実績データの累積確率が５０％に等しくなる操業評価指標の値を示している。図６の横軸は「入力変数６」の値を示しており、折れ線グラフの黒点は操業変数区分作成部で作成された「入力変数６」の各操業変数区分の中点の位置に表示されている。図６に示す例では、「入力変数６」が０．８８を含む操業変数区分内の値であるとき操業評価指標の値は０．０１６１で最小値となり、「入力変数６」が１．０２を含む操業変数区分内の値であるとき操業評価指標の値は０．７０７２で最大値をとなる。このときの操業影響度は、最大値と最小値との差分より０．６９１１である。

このように各操業変数について炉況の不調との相関関係を算出し、操業影響度を算出する。図５には、各操業変数について、操業評価指標の最大値および最小値と操業影響度との算出結果を示しており、操業変数を操業影響度の大きい順にソートして示している。このような解析結果より、相関解析部１１０は、操業影響度の大きい操業変数を所定数抽出し、抽出された操業変数を、操業評価関数を構築するための教師データとして用いる。図５において、太枠で囲まれた操業変数が教師データとして選択されたものである。本例では、操業影響度について降順に、「出力変数４１」、「入力変数６」、「出力変数５９」、「出力変数３０」、「出力変数１５」、「出力変数２３」、「出力変数６９」および「入力変数５」の８個が全操業変数の中で操業影響度の大きい操業変数として抽出されている。

さらに、全操業変数の中で操業影響度が大きい操業変数に加えて、プロセスへの入力変数とプロセスからの出力変数のように操業変数をいくつかのグループに分類し、そのグループ内で操業影響度の大きい変数を抽出してもよい。例えば、全操業変数の中で操業影響度が大きいものとして抽出された操業変数は、出力変数の割合が入力変数に対して大きい。そこで、入力変数の中で操業影響度が大きい操業変数をさらに抽出する。図５に示す例では、例えば「入力変数１８」が抽出されている。

また、操業に関する知見から影響が考えられる操業変数を抽出してもよい。図５に示す例では、例えば「入力変数１９」、「入力変数７」、「出力変数６５」および「出力変数２４」が抽出されている。これより、全９７個の操業変数より合計１３個の操業変数が抽出される。なお、抽出する操業変数の数は予め設定してもよく、あるいは、操業影響度の大きい順に所定数の操業変数を抽出した後に、あるグループ内で大きい操業変数や、操業に関する従来知見より影響の大きいと考えられる操業変数を予め設定された数だけ加えるようにしてもよい。

確率分布相関解析を用いることで、各操業変数に対する操業影響度を算出し、当該操業影響度の大きさに基づき、プロセスの操業状況の良否に影響の大きい操業変数を適切に選択することができる。このように選択された操業変数の実績データを入力変数データとして、後述するステップＳ１３０により操業状況の評価を行う操業評価関数を構築することで、操業評価関数の精度も向上させることができる。また、評価済実績データの中からプロセスの操業状況の良否に影響の大きい操業変数のデータのみを用いて操業評価関数を構築するため、構築のための計算処理の負荷を軽減することもできる。

ステップＳ１２０の確率分布相関解析処理を終えると、ステップＳ１２０にて抽出された操業変数に基づいて、操業評価関数構成部１２０により操業評価関数を構築する（Ｓ１３０）。ステップＳ１３０では、相関解析部１１０で操業影響度が大きいとして抽出された評価済実績データの操業変数を入力変数とし、当該評価済実績データの操業の良否判定結果を出力変数として、ＳＶＭを用いた操業評価関数ｙ（ｘ）を構築する。操業評価関数ｙ（ｘ）は、上記数式２により表される。このとき数式２のパラメータａ_ｉおよびｂは、ステップＳ１２０で抽出された１３個の操業変数に基づき決定される。

ステップＳ１３０で操業評価関数ｙ（ｘ）が構築されると、操業評価部１３０は、実績データベース２０が記憶する実績データに関し、操業評価関数を用いて操業評価値となるＳＶＭ判別値ｙ（Ｘ）を算出する（Ｓ１４０）。ステップＳ１４０では、操業評価関数ｙ（ｘ）より算出された操業評価値ｙ（Ｘ）に対して移動平均等のフィルタ処理を行い、時系列データの平滑化をしてもよい。

その後、操業評価出力部１４０は、ステップＳ１４０にて算出された操業評価値を表示し、評価結果をユーザに提示する（ステップＳ１５０）。ステップＳ１５０では、ステップＳ１４０により求めた各実績データの操業評価値ｙ（Ｘ）を表すグラフ等を表示する。所定の判断基準に基づき評価を行う評価装置（図示せず。）あるいはオペレータは、当該グラフに基づきプロセスの操業状況の良否を判定することができる。ステップＳ１５０では、操業評価値が閾値に近づいた場合にオペレータにアラームを発するようにしてもよい。

＜３．実施例＞
図７に、本実施形態に係る操業状況評価装置１００による操業状況評価方法を用いて高炉の製造プロセス１０の操業状況を評価した評価結果の一実施例を示す。図７の上図は、過去の実績データの一期間（６月２２日〜８月１０日）において取得した送風流量の値を炉容積で割った相対値を○で示している。また、図７の下図は、上図の送風流量の実績データから本実施形態に係る操業状況評価方法を用いて算出されたＳＶＭ判別値を示している。

本実施例では、上述のプロセスの操業状況評価方法のステップＳ１１０に関する説明において一例として示した判定条件に基づいて、過去約３年分の実績データから、明らかに好調とされた約６００日と、明らかに不調とされた約２５０日とが好調期間または不調期間として抽出された評価済実績データが取得されたものとする。当該評価済データには、図７の上図の不調期間１および好調期間が含まれている。操業状況評価装置１００は、全操業変数１６６因子に対し確率分布相関解析を用いて操業影響度を算出した。この結果より、操業影響度が大きかったものから所定数の変数を抽出し、操業評価関数を構築するための教師データとする。

教師データとする評価済実績データの操業変数は、例えば図５に示したように、まず、全操業変数の中で操業影響度の大きかったものから８変数を選択して抽出した。次に、プロセスへの入力変数と出力変数とで操業変数をグループ分けしたときに、入力変数の中で操業影響度が大きい上位３変数に入っていた１変数が先の８変数に含まれていなかったため、当該１変数を教師データに追加した。最後に、過去の操業に関する知見から影響が考えられる４変数を加えた。このように選択された合計１３変数を用いて、ＳＶＭに基づき上記数式（２）で表される操業評価関数ｙ（ｘ）を構成した。そして、操業評価関数ｙ（ｘ）を用いて過去約３年分の実績データについての操業評価値であるＳＶＭ判別値を算出した。図７の下図に、算出されたＳＶＭ判別値をグレーの線で表す。

図７の上図に示すように、炉況が不調であるとされる期間においては減風頻度が高まっているが、図７の下図に示すように、操業評価関数ｙ（ｘ）を用いて算出されたＳＶＭ判別値は、減風頻度が高い箇所では対応して大きくなる傾向があることがわかる。このように、ＳＶＭ判別値として連続的な操業評価値を得ることができ、その変化をみることで減風頻度が高く炉況が不調となる期間を推定することができる。また、図７に示すように操業評価値であるＳＶＭ判別値の移動平均をとることにより、操業評価値の変化傾向を得ることができる。ＳＶＭ判別値を用いた連続的な操業評価値によって、操業評価値の変化の程度まで認識できるようになり、より厳密に炉況を評価することが可能となる。

また、図７の上図の不調期間２は、評価済実績データには含まれておらず、したがって操業評価関数構築のための教師データには用いていない。しかし、図７の下図に示すように、評価済実績データではない期間の実績データにより算出された操業評価値についても同様に減風頻度が高い箇所に連動して変化しており、正しい評価ができていることを確認した。

＜４．ハードウェア構成＞
次に、図８に基づいて、上記実施形態に係る操業状況評価装置１００のハードウェア構成について、詳細に説明する。図８は、上記実施形態に係る操業状況評価装置１００のハードウェア構成を示すブロック図である。

操業状況評価装置１００は、主に、ＣＰＵ９０１と、ＲＯＭ９０３と、ＲＡＭ９０５と、を備える。また、操業状況評価装置１００は、更に、バス９０７と、入力装置９０９と、出力装置９１１と、ストレージ装置９１３と、ドライブ９１５と、接続ポート９１７と、通信装置９１９とを備える。

ＣＰＵ９０１は、演算処理装置および制御装置として機能し、ＲＯＭ９０３、ＲＡＭ９０５、ストレージ装置９１３、またはリムーバブル記録媒体９２１に記録された各種プログラムに従って、操業状況評価装置１００内の動作全般またはその一部を制御する。ＲＯＭ９０３は、ＣＰＵ９０１が使用するプログラムや演算パラメータ等を記憶する。ＲＡＭ９０５は、ＣＰＵ９０１が使用するプログラムや、プログラムの実行において適宜変化するパラメータ等を一次記憶する。これらはＣＰＵバス等の内部バスにより構成されるバス９０７により相互に接続されている。

バス９０７は、ブリッジを介して、ＰＣＩ（Ｐｅｒｉｐｈｅｒａｌ Ｃｏｍｐｏｎｅｎｔ Ｉｎｔｅｒｃｏｎｎｅｃｔ／Ｉｎｔｅｒｆａｃｅ）バスなどの外部バスに接続されている。

入力装置９０９は、例えば、マウス、キーボード、タッチパネル、ボタン、スイッチおよびレバーなどユーザが操作する操作手段である。また、入力装置９０９は、例えば、赤外線やその他の電波を利用したリモートコントロール手段（いわゆる、リモコン）であってもよいし、操業状況評価装置１００の操作に対応したＰＤＡ等の外部接続機器９２３であってもよい。さらに、入力装置９０９は、例えば、上記の操作手段を用いてユーザにより入力された情報に基づいて入力信号を生成し、ＣＰＵ９０１に出力する入力制御回路などから構成されている。操業状況評価装置１００のユーザは、この入力装置９０９を操作することにより、操業状況評価装置１００に対して各種のデータを入力したり処理動作を指示したりすることができる。

出力装置９１１は、取得した情報をユーザに対して視覚的または聴覚的に通知することが可能な装置で構成される。このような装置として、ＣＲＴディスプレイ装置、液晶ディスプレイ装置、プラズマディスプレイ装置、ＥＬディスプレイ装置およびランプなどの表示装置や、スピーカおよびヘッドホンなどの音声出力装置や、プリンタ装置、携帯電話、ファクシミリなどがある。出力装置９１１は、例えば、操業状況評価装置１００が行った各種処理により得られた結果を出力する。具体的には、表示装置は、操業状況評価装置１００が行った各種処理により得られた結果を、テキストまたはイメージで表示する。他方、音声出力装置は、再生された音声データや音響データ等からなるオーディオ信号をアナログ信号に変換して出力する。

ストレージ装置９１３は、操業状況評価装置１００の記憶部の一例として構成されたデータ格納用の装置である。ストレージ装置９１３は、例えば、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）等の磁気記憶部デバイス、半導体記憶デバイス、光記憶デバイス、または光磁気記憶デバイス等により構成される。このストレージ装置９１３は、ＣＰＵ９０１が実行するプログラムや各種データ、および外部から取得した各種のデータなどを格納する。

ドライブ９１５は、記録媒体用リーダライタであり、操業状況評価装置１００に内蔵、あるいは外付けされる。ドライブ９１５は、装着されている磁気ディスク、光ディスク、光磁気ディスク、または半導体メモリ等のリムーバブル記録媒体９２１に記録されている情報を読み出して、ＲＡＭ９０５に出力する。また、ドライブ９１５は、装着されている磁気ディスク、光ディスク、光磁気ディスク、または半導体メモリ等のリムーバブル記録媒体９２１に記録を書き込むことも可能である。リムーバブル記録媒体９２１は、例えば、ＣＤメディア、ＤＶＤメディア、Ｂｌｕ−ｒａｙメディア等である。また、リムーバブル記録媒体９２１は、コンパクトフラッシュ（登録商標）（ＣｏｍｐａｃｔＦｌａｓｈ：ＣＦ）、フラッシュメモリ、または、ＳＤメモリカード（Ｓｅｃｕｒｅ Ｄｉｇｉｔａｌ ｍｅｍｏｒｙ ｃａｒｄ）等であってもよい。また、リムーバブル記録媒体９２１は、例えば、非接触型ＩＣチップを搭載したＩＣカード（Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ ｃａｒｄ）または電子機器等であってもよい。

接続ポート９１７は、機器を操業状況評価装置１００に直接接続するためのポートである。接続ポート９１７の一例として、ＵＳＢ（Ｕｎｉｖｅｒｓａｌ Ｓｅｒｉａｌ Ｂｕｓ）ポート、ＩＥＥＥ１３９４ポート、ＳＣＳＩ（Ｓｍａｌｌ Ｃｏｍｐｕｔｅｒ Ｓｙｓｔｅｍ Ｉｎｔｅｒｆａｃｅ）ポート、ＲＳ−２３２Ｃポート等がある。この接続ポート９１７に外部接続機器９２３を接続することで、操業状況評価装置１００は、外部接続機器９２３から直接各種のデータを取得したり、外部接続機器９２３に各種のデータを提供したりする。

通信装置９１９は、例えば、通信網９２５に接続するための通信デバイス等で構成された通信インタフェースである。通信装置９１９は、例えば、有線または無線ＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）、Ｂｌｕｅｔｏｏｔｈ（登録商標）、またはＷＵＳＢ（Ｗｉｒｅｌｅｓｓ ＵＳＢ）用の通信カード等である。また、通信装置９１９は、光通信用のルータ、ＡＤＳＬ（Ａｓｙｍｍｅｔｒｉｃ Ｄｉｇｉｔａｌ Ｓｕｂｓｃｒｉｂｅｒ Ｌｉｎｅ）用のルータ、または、各種通信用のモデム等であってもよい。この通信装置９１９は、例えば、インターネットや他の通信機器との間で、例えばＴＣＰ／ＩＰ等の所定のプロトコルに則して信号等を送受信することができる。また、通信装置９１９に接続される通信網９２５は、有線または無線によって接続されたネットワーク等により構成され、例えば、インターネット、家庭内ＬＡＮ、赤外線通信、ラジオ波通信または衛星通信等であってもよい。

以上、上記の本発明の実施形態に係る操業状況評価装置１００の機能を実現可能なハードウェア構成の一例を示した。上記の各構成要素は、汎用的な部材を用いて構成されていてもよいし、各構成要素の機能に特化したハードウェアにより構成されていてもよい。従って、本実施形態を実施する時々の技術レベルに応じて、適宜、利用するハードウェア構成を変更することが可能である。

以上、添付図面を参照しながら本発明の好適な実施形態について詳細に説明したが、本発明はかかる例に限定されない。本発明の属する技術の分野における通常の知識を有する者であれば、特許請求の範囲に記載された技術的思想の範疇内において、各種の変更例または修正例に想到し得ることは明らかであり、これらについても、当然に本発明の技術的範囲に属するものと了解される。

１０ 製造プロセス
２０ 実績データベース
３０ 操業状況評価済データベース
１００ 操業状況評価装置
１１０ 相関解析部
１１２ 確率分布算出部
１１４ 操業評価指標算出部
１１６ 操業影響度算出部
１２０ 操業評価関数構成部
１３０ 操業評価部
１４０ 操業評価出力部

Claims (11)

1. プロセスの操業状況を表す実績データと、当該操業状況の良否の評価である良否判定結果とを含むデータである評価済実績データから、前記実績データに含まれる操業条件を、操業変数毎に複数の範囲に区分し、各区分における前記良否判定結果の確率分布をそれぞれ算出し、前記各確率分布から算出される当該操業変数の前記操業状況の良否への影響度である操業影響度に基づいて、前記プロセスの操業状況の良否と相関の高い前記操業変数を抽出する確率分布相関解析を行う相関解析部と、
   相関の高い前記操業変数および前記良否判定結果に基づいて、前記プロセスの操業状況を評価する操業評価値を算出するための操業評価関数を、サポートベクターマシンを用いて構成する操業評価関数構成部と、
   前記操業評価関数に基づいて新たな実績データに対する前記操業評価値を算出する操業評価部と、
   前記新たな実績データに対する前記操業評価値を提示する操業評価出力部と、
   を備えることを特徴とする、プロセスの操業状況評価装置。
2. 前記相関解析部は、前記評価済実績データの確率分布相関解析により算出された前記操業影響度が大きい操業変数を選択することを特徴とする、請求項１に記載の操業状況評価装置。
3. 前記相関解析部は、前記評価済実績データの前記操業変数を前記プロセスへの入力変数と前記プロセスからの出力変数とに分類し、前記入力変数と前記出力変数とにおいて前記操業影響度が大きい操業変数をそれぞれ選択することを特徴とする、請求項２に記載の操業状況評価装置。
4. 前記良否判定結果は、二値データにより表されることを特徴とする、請求項１〜３のいずれか１項に記載の操業状況評価装置。
5. 前記良否判定結果は、評価時点に対して前後一定期間の前記評価済実績データを用いて算出されることを特徴とする、請求項１〜４のいずれか１項に記載の操業状況評価装置。
6. 前記操業評価部は、前記操業評価値として連続値を算出することを特徴とする、請求項１〜５のいずれか１項に記載の操業状況評価装置。
7. 前記操業評価部は、前記連続値に対して平滑化処理を行った値を前記操業評価値とすることを特徴とする、請求項６に記載の操業状況評価装置。
8. 前記評価済実績データは、過去の前記プロセスの操業状況のうち良否の特徴を表している典型的な操業状況を表す前記実績データを評価したデータとすることを特徴とする、請求項１〜７のいずれか１項に記載の操業状況評価装置。
9. プロセスの操業状況を表す実績データと、当該操業状況の良否の評価である良否判定結果とを含むデータである評価済実績データから、前記実績データに含まれる操業条件を、操業変数毎に複数の範囲に区分し、各区分における前記良否判定結果の確率分布をそれぞれ算出し、前記各確率分布から算出される当該操業変数の前記操業状況の良否への影響度である操業影響度に基づいて、前記プロセスの操業状況の良否と相関の高い前記操業変数を抽出する確率分布相関解析を行う相関解析ステップと、
   相関の高い前記操業変数および前記良否判定結果に基づいて、前記プロセスの操業状況を評価する操業評価値を算出するための操業評価関数を、サポートベクターマシンを用いて構成する操業評価関数構成ステップと、
   前記操業評価関数に基づいて新たな実績データに対する前記操業評価値を算出する操業評価ステップと、
   前記新たな実績データに対する前記操業評価値を提示する操業評価出力ステップと、
   を含むことを特徴とする、プロセスの操業状況評価方法。
10. コンピュータを、
    プロセスの操業状況を表す実績データと、当該操業状況の良否の評価である良否判定結果とを含むデータである評価済実績データから、前記実績データに含まれる操業条件を、操業変数毎に複数の範囲に区分し、各区分における前記良否判定結果の確率分布をそれぞれ算出し、前記各確率分布から算出される当該操業変数の前記操業状況の良否への影響度である操業影響度に基づいて、前記プロセスの操業状況の良否と相関の高い前記操業変数を抽出する確率分布相関解析を行う相関解析部と、
    相関の高い前記操業変数および前記良否判定結果に基づいて、前記プロセスの操業状況を評価する操業評価値を算出するための操業評価関数を、サポートベクターマシンを用いて構成する操業評価関数構成部と、
    前記操業評価関数に基づいて新たな実績データに対する前記操業評価値を算出する操業評価部と、
    前記新たな実績データに対する前記操業評価値を提示する操業評価出力部と、
    を備えるプロセスの操業状況評価装置として機能させることを特徴とする、コンピュータプログラム。
11. コンピュータに、
    プロセスの操業状況を表す実績データと、当該操業状況の良否の評価である良否判定結果とを含むデータである評価済実績データから、前記実績データに含まれる操業条件を、操業変数毎に複数の範囲に区分し、各区分における前記良否判定結果の確率分布をそれぞれ算出し、前記各確率分布から算出される当該操業変数の前記操業状況の良否への影響度である操業影響度に基づいて、前記プロセスの操業状況の良否と相関の高い前記操業変数を抽出する確率分布相関解析を行う相関解析部と、
    相関の高い前記操業変数および前記良否判定結果に基づいて、前記プロセスの操業状況を評価する操業評価値を算出するための操業評価関数を、サポートベクターマシンを用いて構成する操業評価関数構成部と、
    前記操業評価関数に基づいて新たな実績データに対する前記操業評価値を算出する操業評価部と、
    前記新たな実績データに対する前記操業評価値を提示する操業評価出力部と、
    を備えるプロセスの操業状況評価装置として機能させるためのプログラムを記憶したコンピュータ読み取り可能な記憶媒体。
    

Images