JP6773012B2 - 操業改善効果算出装置、操業改善効果算出方法、操業改善効果算出プログラム、および記録媒体 - Google Patents

操業改善効果算出装置、操業改善効果算出方法、操業改善効果算出プログラム、および記録媒体 Download PDF

Info

Publication number
JP6773012B2
JP6773012B2 JP2017227129A JP2017227129A JP6773012B2 JP 6773012 B2 JP6773012 B2 JP 6773012B2 JP 2017227129 A JP2017227129 A JP 2017227129A JP 2017227129 A JP2017227129 A JP 2017227129A JP 6773012 B2 JP6773012 B2 JP 6773012B2
Authority
JP
Japan
Prior art keywords
confidence interval
data
evaluation index
improvement effect
baseline
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.)
Active
Application number
JP2017227129A
Other languages
English (en)
Other versions
JP2019096227A (ja
Inventor
知宏 黒田
知宏 黒田
福沢　充孝
充孝 福沢
健一 鎌田
健一 鎌田
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.)
Yokogawa Electric Corp
Original Assignee
Yokogawa Electric 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 Yokogawa Electric Corp filed Critical Yokogawa Electric Corp
Priority to JP2017227129A priority Critical patent/JP6773012B2/ja
Priority to US16/198,501 priority patent/US20190164102A1/en
Priority to EP18208196.8A priority patent/EP3495905A3/en
Priority to CN201811423949.7A priority patent/CN109840671B/zh
Publication of JP2019096227A publication Critical patent/JP2019096227A/ja
Application granted granted Critical
Publication of JP6773012B2 publication Critical patent/JP6773012B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM]
    • G05B19/41875—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM] characterised by quality surveillance of production
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0221—Preprocessing measurements, e.g. data collection rate adjustment; Standardization of measurements; Time series or signal analysis, e.g. frequency analysis or wavelets; Trustworthiness of measurements; Indexes therefor; Measurements using easily measured parameters to estimate parameters difficult to measure; Virtual sensor creation; De-noising; Sensor fusion; Unconventional preprocessing inherently present in specific fault detection methods like PCA-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/04—Manufacturing
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P80/00—Climate change mitigation technologies for sector-wide applications
    • Y02P80/10—Efficient use of energy, e.g. using compressed air or pressurized fluid as energy carrier
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Description

本発明は、操業改善効果算出装置、操業改善効果算出方法、操業改善効果算出プログラム、および記録媒体に関する。
従来から、石油プラント、石油化学プラント、紙パルププラント、鉄鋼プラント、下水プラントなどのプラントにおいては、操業を改善するために、省エネや生産効率の向上などの様々な改善施策が行われている。省エネ施策の具体例としては、例えば、現在の設備の省エネ設備への変更、機器の運転や停止のスケジュールの最適化などの施策が挙げられる。また、生産効率を向上する改善施策の具体例としては、例えば、効率の高い設備への変更、分散制御システム（Ｄｉｓｔｒｉｂｕｔｅｄ Ｃｏｎｔｒｏｌ Ｓｙｓｔｅｍ：ＤＣＳ）などの制御システムの導入などの施策が挙げられる。
プラントにおいては、行った改善施策によって得られる省エネ効果や生産効率の向上効果を見積もる（確認する）ということが、改善施策を導入した後の効果を測る上で必要不可欠なこととなっている。ここで、改善施策の効果を測る指標としては、例えば、生産コストや歩留り、エネルギー原単位などの重要業績評価指標（Ｋｅｙ Ｐｅｒｆｏｒｍａｎｃｅ Ｉｎｄｉｃａｔｏｒ：ＫＰＩ）などが挙げられる。
しかしながら、改善施策を行った後の現在の操業条件において、改善施策を行う前のプラント特性であった場合には、どのぐらいのＫＰＩであったかを測る（確認する）ことは非常に難しい。つまり、改善施策を行うことによって、改善施策を行う前に対してどれくらいの改善効果があったのかを容易に求めることができない。これは、プラントでは、様々な外的要因による影響がある中で操業を行っているため、外的要因の影響を含めて、改善施策を行う前と改善施策を行った後との操業条件が完全に一致するような状況になることはないからである。また、改善施策を行って一度設備の変更（更新）をしてしまうと、元の設備に戻す、つまり、改善施策を行う前の状態に戻すことが容易にできないからである。このため、プラントでは、改善施策を行った後の操業条件において、改善施策を行う前のプラント特性であった場合のＫＰＩを推定するための何らかの手法が必要となる。
そこで、例えば、特許文献１や特許文献２のように、改善施策の効果を評価するための技術が開示されている。特許文献１には、統計モデルを用いて省エネ対策を行う前のプラント運転を推定し、推定したプラント運転と省エネ対策を行った後の実際のプラント運転とを比較することによって、省エネ効果を評価するプラント運転評価装置の技術が開示されている。より具体的には、特許文献１に開示された技術では、省エネ対策前のプラント運転に関するプラント運転値に基づいて、統計モデルであるプラント運転推定モデルを作成する。ここで、特許文献１に開示された技術では、省エネ対策前のプラント運転における相関式、特性式、マスバランス式を予め定義しておくことによって、プラント運転推定モデルを作成している。そして、特許文献１に開示された技術では、作成したプラント運転推定モデルに、省エネ対策後のプラント運転に関するプラント運転値を適用することによって、省エネ対策後の所定の期間における省エネ対策前のプラント運転を推定する。その後、特許文献１に開示された技術では、推定した省エネ対策前のプラント運転と、省エネ対策後のプラント運転値とを比較することによって、プラントにおける省エネ効果を評価している。
また、特許文献２には、プラントの特性式を用いて、発電設備の運用改善に伴うエネルギーコストの削減量を評価する電力管理装置の技術が開示されている。より具体的には、特許文献２に開示された技術では、従来制御における電力需要の変化と、従来制御におけるエネルギーコストの変化とに基づいて、プラントにおける燃料消費特性の特性式を求める。そして、特許文献２に開示された技術では、求めた特性式に、運用改善日の電力需要値を当てはめて、運用改善日の電力需要の時に従来制御をした場合のエネルギーコストを算出する。また、特許文献２に開示された技術では、算出したエネルギーコストを、比較基準のベースラインとして設定している。
このように、特許文献１や特許文献２に開示された技術では、改善施策を行う前の操業条件から求めたプラントの統計モデルや特性式を、改善施策を行った後の操業条件に当てはめることによって、改善施策を行った後の改善効果の見積もり（確認）を行っている。
特開２０１２−３８０５４号公報 特開２０１７−１１８７９５号公報
ところで、プラントには、例えば、ボイラー（Ｂｏｉｌｅｒ）、蒸気タービン（Ｓｔｅａｍ−Ｔｕｒｂｉｎｅ）、発電機（Ｇｅｎｅｒａｔｏｒ）などによって製品を製造する、いわゆる、ＢＴＧプラントや、化学製品による複雑な化学反応を利用して製品を製造する化学プラント、微生物を利用した処理工程を行って製品を製造する微生物プラントなど、様々な種類のプラントがある。
ここで、ＢＴＧプラントは、操業条件（需要、製品品質、原料品質など）に対する生産特性が比較的明確なプラントであるため、操業条件に対するＫＰＩの特性に強い線形性がある。このため、ＢＴＧプラントでは、特許文献１や特許文献２のような統計モデルや特性式を用いた方法によって、改善施策を行う前のプラント特性から推定したＫＰＩにバラツキが少なく、改善施策を行った後の改善効果を十分な精度で見積もる（確認する）ことができる。
一方、化学プラントや微生物プラントでは、操業条件（需要、製品品質、原料品質など）に対する特性のバラツキが大きいため、精度の高い統計モデルや特性式を作成することが困難であり、改善施策を行う前のプラント特性から推定したＫＰＩもバラツキが大きくなってしまう。これは、化学プラントや微生物プラントでは、内部の状態を確認することができないような、複雑な化学反応や生物反応を用いているため、同じ操業条件であっても生産される製品の量と品質とにバラツキがあるからである。このため、化学プラントや微生物プラントでは、特許文献１や特許文献２のような統計モデルや特性式を、十分な精度で作成することができない。このため、化学プラントや微生物プラントでは、特許文献１や特許文献２のような統計モデルや特性式を用いた方法によって改善施策を行う前のデータに基づいた特性をモデル化してＫＰＩを推定したとしても、十分な精度で改善効果を見積もる（確認する）ことができない。また、化学プラントや微生物プラントでは、上述した理由から、プラントの特性を表す物理モデルを作成することも困難である。このことから、従来の化学プラントや微生物プラントでは、改善施策を行う前の予め定めた期間の実績のＫＰＩと、改善施策を行った後の同じ期間の実績のＫＰＩとを直接比較した結果を改善効果と見なすようなことも行われていた。しかしながら、上述したように、プラントにおいては、改善施策を行う前と改善施策を行った後との操業条件が完全に一致するような状況になることはなく、同じ操業条件を再現することができないため、実績のＫＰＩ同士を比較する時点では操業条件が変化してしまっていることがほとんどである。このため、実績のＫＰＩ同士の比較は、改善効果を見積もる（確認する）ための正当な比較であるとは言えない状態である。
本発明は、上記の課題に基づいてなされたものであり、プラントにおいて行った改善施策の効果を確認することができる操業改善効果算出装置、操業改善効果算出方法、操業改善効果算出プログラム、および記録媒体を提供することを目的としている。
上記の課題を解決するため、本発明の操業改善効果算出装置は、入力されたプラントの運転に関するプラント運転データの中から、評価対象の前記プラント運転データを評価対象プラント運転データとし、前記評価対象プラント運転データが表す前記プラントの運転に類似している前記プラント運転データを比較対象プラント運転データとして複数検索し、前記評価対象プラント運転データに基づいた実績評価指標と、それぞれの前記比較対象プラント運転データに基づいた推定評価指標とを算出する類似データ検索部と、それぞれの前記比較対象プラント運転データに基づいて信頼区間を算出する信頼区間算出部と、前記信頼区間に基づいて、前記実績評価指標と前記推定評価指標とを比較する際に基準とする、前記推定評価指標に対応したベースラインを算出するベースライン算出部と、前記実績評価指標と前記ベースラインとに基づいて、前記プラントに対する評価結果を算出する評価算出部と、を備える、ことを特徴とする。
本発明によれば、操業改善効果算出装置は、類似データ検索部と、信頼区間算出部と、ベースライン算出部と、評価算出部とを備える。そして、類似データ検索部は、入力されたプラントの運転に関するプラント運転データの中から、評価対象のプラント運転データを評価対象プラント運転データとし、評価対象プラント運転データが表すプラントの運転に類似しているプラント運転データを比較対象プラント運転データとして複数検索する。また、類似データ検索部は、評価対象プラント運転データに基づいた実績評価指標と、それぞれの比較対象プラント運転データに基づいた推定評価指標とを算出する。その後、信頼区間算出部は、類似データ検索部が検出したそれぞれの比較対象プラント運転データに基づいて信頼区間を算出する。その後、ベースライン算出部は、信頼区間算出部が算出した信頼区間に基づいて、実績評価指標と推定評価指標とを比較する際に基準とする、推定評価指標に対応したベースラインを算出する。その後、評価算出部は、類似データ検索部が算出した実績評価指標と、ベースライン算出部が算出したベースラインとに基づいて、プラントに対する評価結果を算出する。これにより、操業改善効果算出装置では、プラントの運転に関する過去から現在までのプラント運転データの中から、現在のプラントの運転に類似する過去のプラントの運転のプラント運転データを検索し、検索したプラント運転データを用いて、現在のプラントの運転において、過去のプラントの運転であった場合に、どれくらいの評価指標であったかを評価することができる。このことにより、操業改善効果算出装置では、統計モデルや特性式を作成することによって明確に表すことが困難なプラントであっても、現在のプラントの運転の評価指標が、過去のプラントの運転の評価指標からどれくらい改善されているかを確認することができる。
また、本発明の操業改善効果算出装置における前記類似データ検索部は、前記評価対象プラント運転データと、前記プラント運転データのそれぞれのとの距離に基づいて、指定された個数分の前記比較対象プラント運転データを検索し、それぞれの前記比較対象プラント運転データの評価指標を平均した平均評価指標を、前記推定評価指標とする、ことを特徴とする。
本発明によれば、操業改善効果算出装置に備えた類似データ検索部は、評価対象プラント運転データと、プラント運転データのそれぞれのとの距離に基づいて、指定された個数分の比較対象プラント運転データを検索する。そして、類似データ検索部は、それぞれの比較対象プラント運転データの評価指標を平均した平均評価指標を、推定評価指標とする。これにより、操業改善効果算出装置では、評価対象プラント運転データに対する類似度が高いプラント運転データを比較対象プラント運転データとして複数検索し、検索した複数の比較対象プラント運転データのそれぞれの評価指標を平均した評価指標を、推定評価指標を算出することができる。
また、本発明の操業改善効果算出装置における前記信頼区間算出部は、前記比較対象プラント運転データのそれぞれに対応する信頼区間算出用評価指標を算出し、算出したそれぞれの前記信頼区間算出用評価指標の前記信頼区間を算出し、前記信頼区間の上限の値と前記推定評価指標との差を前記信頼区間の上限の幅とし、前記信頼区間の下限の値と前記推定評価指標との差を前記信頼区間の下限の幅とする、ことを特徴とする。
本発明によれば、操業改善効果算出装置に備えた信頼区間算出部は、比較対象プラント運転データのそれぞれに対応する評価指標を信頼区間算出用評価指標として算出し、算出したそれぞれの信頼区間算出用評価指標の信頼区間を算出する。そして、信頼区間算出部は、算出した信頼区間の上限の値と推定評価指標との差を信頼区間の上限の幅とし、信頼区間の下限の値と推定評価指標との差を信頼区間の下限の幅とする。これにより、操業改善効果算出装置では、検索したそれぞれの比較対象プラント運転データの評価指標の変動幅を、予め定めた割合の範囲にした信頼区間を算出することができる。そして、操業改善効果算出装置では、算出した信頼区間の幅を、推定評価指標の上限側の幅と下限側の幅とに分けることができる。
また、本発明の操業改善効果算出装置における前記ベースライン算出部は、前記実績評価指標が表す前記プラントにおける評価指標に応じて、前記推定評価指標に前記上限の幅または前記下限の幅を適用した前記ベースラインを算出する、ことを特徴とする。
本発明によれば、操業改善効果算出装置に備えたベースライン算出部は、実績評価指標が表すプラントにおける評価指標に応じて、推定評価指標に上限の幅または下限の幅を適用したベースラインを算出する。例えば、操業改善効果算出装置は、実績評価指標の値が大きいほど効果が高いことを表す指標である場合には、推定評価指標に上限の幅を適用したベースラインを算出し、実績評価指標の値が小さいほど効果が高いことを表す指標である場合には、推定評価指標に下限の幅を適用したベースラインを算出する。これにより、操業改善効果算出装置では、実績評価指標に適したベースラインを算出することができる。
また、本発明の操業改善効果算出装置における前記評価算出部は、前記実績評価指標と前記ベースラインとの差を前記評価結果として算出する、ことを特徴とする。
本発明によれば、操業改善効果算出装置に備えた評価算出部は、実績評価指標とベースラインとの差を評価結果として算出する。これにより、操業改善効果算出装置では、現在のプラントの運転における評価指標が、過去のプラントの運転に対して少なくともどれくらい改善されているかを確認することができる。
また、本発明の操業改善効果算出装置は、入力された前記プラント運転データに基づいて、前記プラントの運転を表す統計モデルを作成し、前記評価対象プラント運転データに基づいて、前記実績評価指標と同様の第２の実績評価指標と、前記統計モデルを用いて、前記第２の実績評価指標に対応する第２の推定評価指標とを算出する統計モデル作成部と、それぞれの前記比較対象プラント運転データにおける前記評価対象プラント運転データに対する類似度に基づいて、前記評価対象プラント運転データに類似している前記比較対象プラント運転データが十分な個数検索されたか否かを判定し、判定結果を出力する判定部と、をさらに備え、前記信頼区間算出部は、前記判定結果に応じて、前記信頼区間の代わりに第２の信頼区間を算出し、前記ベースライン算出部は、前記判定結果に応じて、前記ベースラインの代わりに、前記第２の信頼区間に基づいて、前記第２の実績評価指標と前記第２の推定評価指標とを比較する際に基準とする、前記第２の推定評価指標に対応した第２のベースラインを算出し、前記評価算出部は、前記第２の実績評価指標と前記第２のベースラインとに基づいて算出した第２の評価結果を、前記評価結果とする、ことを特徴とする。
本発明によれば、本発明の操業改善効果算出装置は、統計モデル作成部と、判定部と、をさらに備える。そして、統計モデル作成部は、入力されたプラント運転データに基づいて、プラントの運転を表す統計モデルを作成する。また、統計モデル作成部は、評価対象プラント運転データに基づいて、実績評価指標と同様の第２の実績評価指標を算出し、作成した統計モデルを用いて、第２の実績評価指標に対応する第２の推定評価指標を算出する。また、判定部は、それぞれの比較対象プラント運転データにおける評価対象プラント運転データに対する類似度に基づいて、評価対象プラント運転データに類似している比較対象プラント運転データが十分な個数検索されたか否かを判定し、判定結果を出力する。そして、信頼区間算出部は、判定部が判定した判定結果に応じて、信頼区間の代わりに、第２の信頼区間を算出する。その後、ベースライン算出部は、判定部が判定した判定結果に応じて、ベースラインの代わりに、信頼区間算出部が算出した第２の信頼区間に基づいて、第２の実績評価指標と第２の推定評価指標とを比較する際に基準とする、第２の推定評価指標に対応した第２のベースラインを算出する。その後、評価算出部は、統計モデル作成部が算出した第２の実績評価指標と、ベースライン算出部が算出した第２のベースラインとに基づいて算出した、プラントに対する第２の評価結果を、評価結果とする。これにより、操業改善効果算出装置では、プラントの運転に関する過去のプラント運転データから統計モデルを作成し、作成した統計モデルを用いて、現在のプラントの運転において、過去のプラントの運転であった場合に、どれくらいの評価指標であったかを評価することができる。このことにより、操業改善効果算出装置では、現在のプラントの運転のプラント運転データに対する類似度が高い過去のプラントの運転のプラント運転データが十分に検索されなかった場合でも、現在のプラントの運転の評価指標が、過去のプラントの運転の評価指標からどれくらい改善されているかを確認することができる。
また、本発明の操業改善効果算出装置における前記信頼区間算出部は、前記判定結果が、前記評価対象プラント運転データに類似している前記比較対象プラント運転データが十分な個数検索されていないことを表している場合に、前記第２の信頼区間を前記信頼区間として算出し、前記ベースライン算出部は、前記判定結果が、前記評価対象プラント運転データに類似している前記比較対象プラント運転データが十分な個数検索されていないことを表している場合に、前記第２のベースラインを前記ベースラインとして算出する、ことを特徴とする。
本発明によれば、操業改善効果算出装置に備えた信頼区間算出部は、判定結果が、評価対象プラント運転データに類似している比較対象プラント運転データが十分な個数検索されていないことを表している場合に、第２の信頼区間を信頼区間として算出する。また、操業改善効果算出装置に備えたベースライン算出部は、判定結果が、評価対象プラント運転データに類似している比較対象プラント運転データが十分な個数検索されていないことを表している場合に、第２のベースラインをベースラインとして算出する。これにより、操業改善効果算出装置では、現在のプラントの運転のプラント運転データに対する類似度が高い過去のプラントの運転のプラント運転データが十分に検索されなかったと判定した場合、信頼区間算出部による信頼区間の算出を、統計モデル作成部が作成した統計モデルを用いて算出した第２の推定評価指標に対応する信頼区間の算出に切り替えることができる。また、操業改善効果算出装置では、現在のプラントの運転のプラント運転データに対する類似度が高い過去のプラントの運転のプラント運転データが十分に検索されなかったと判定した場合、ベースライン算出部によるベースラインの算出を、統計モデル作成部が作成した統計モデルを用いて算出した第２の実績評価指標と第２の推定評価指標とを比較するための第２のベースラインの算出に切り替えることができる。
また、本発明の操業改善効果算出装置における前記信頼区間算出部は、前記判定結果が、前記評価対象プラント運転データに類似している前記比較対象プラント運転データが十分な個数検索されていないことを表している場合に、前記統計モデルの作成に用いた前記プラント運転データと前記第２の推定評価指標とに基づいて、前記第２の実績評価指標と前記第２の推定評価指標との差を推定誤差量として算出し、前記推定誤差量の信頼区間を前記第２の信頼区間として算出し、前記第２の信頼区間の上限の値を前記第２の信頼区間の第２の上限の幅とし、前記第２の信頼区間の下限の値を前記第２の信頼区間の第２の下限の幅とし、前記ベースライン算出部は、前記判定結果が、前記評価対象プラント運転データに類似している前記比較対象プラント運転データが十分な個数検索されていないことを表している場合に、前記第２の実績評価指標が表す前記プラントにおける評価指標に応じて、前記第２の推定評価指標に前記第２の上限の幅または前記第２の下限の幅を適用した前記第２のベースラインを前記ベースラインとして算出する、ことを特徴とする。
本発明によれば、操業改善効果算出装置に備えた信頼区間算出部は、判定結果が、評価対象プラント運転データに類似している比較対象プラント運転データが十分な個数検索されていないことを表している場合に、統計モデルの作成に用いたプラント運転データと第２の推定評価指標とに基づいて、第２の実績評価指標と第２の推定評価指標との差を推定誤差量として算出し、推定誤差量の信頼区間を第２の信頼区間として算出する。そして、信頼区間算出部は、算出した第２の信頼区間の上限の値を第２の信頼区間の第２の上限の幅とし、第２の信頼区間の下限の値を第２の信頼区間の第２の下限の幅とする。また、操業改善効果算出装置に備えたベースライン算出部は、判定結果が、評価対象プラント運転データに類似している比較対象プラント運転データが十分な個数検索されていないことを表している場合に、第２の実績評価指標が表すプラントにおける評価指標に応じて、第２の推定評価指標に第２の上限の幅または第２の下限の幅を適用した第２のベースラインをベースラインとして算出する。これにより、操業改善効果算出装置では、現在のプラントの運転のプラント運転データに対する類似度が高い過去のプラントの運転のプラント運転データが十分に検索されなかったと判定した場合でも、統計モデルの作成に用いたプラント運転データと統計モデル作成部が作成した統計モデルを用いて算出した第２の推定評価指標と第２の推定評価指標とに基づいて、第２の実績評価指標と第２の推定評価指標との差を推定誤差量として算出し、推定誤差量の信頼区間を、推定評価指標に対する信頼区間と同様に扱うことができる第２の信頼区間として算出することができる。そして、操業改善効果算出装置では、算出した第２の信頼区間の幅を、第２の推定評価指標の上限側の幅と下限側の幅とに分けることができる。また、操業改善効果算出装置では、現在のプラントの運転のプラント運転データに対する類似度が高い過去のプラントの運転のプラント運転データが十分に検索されなかったと判定した場合でも、推定評価指標に対するベースラインと同様に扱うことができる第２の実績評価指標に適したベースラインを算出することができる。
また、本発明の操業改善効果算出方法は、類似データ検索部が、入力されたプラントの運転に関するプラント運転データの中から、評価対象の前記プラント運転データを評価対象プラント運転データとし、前記評価対象プラント運転データが表す前記プラントの運転に類似している前記プラント運転データを比較対象プラント運転データとして複数検索し、前記評価対象プラント運転データに基づいた実績評価指標と、それぞれの前記比較対象プラント運転データに基づいた推定評価指標とを算出する類似データ検索ステップと、信頼区間算出部が、それぞれの前記比較対象プラント運転データに基づいて信頼区間を算出する信頼区間算出ステップと、ベースライン算出部が、前記信頼区間に基づいて、前記実績評価指標と前記推定評価指標とを比較する際に基準とする、前記推定評価指標に対応したベースラインを算出するベースライン算出ステップと、評価算出部が、前記実績評価指標と前記ベースラインとに基づいて、前記プラントに対する評価結果を算出する評価算出ステップと、を含む、ことを特徴とする。
また、本発明の操業改善効果算出プログラムは、入力されたプラントの運転に関するプラント運転データの中から、評価対象の前記プラント運転データを評価対象プラント運転データとし、前記評価対象プラント運転データが表す前記プラントの運転に類似している前記プラント運転データを比較対象プラント運転データとして複数検索し、前記評価対象プラント運転データに基づいた実績評価指標と、それぞれの前記比較対象プラント運転データに基づいた推定評価指標とを算出する類似データ検索処理と、それぞれの前記比較対象プラント運転データに基づいて信頼区間を算出する信頼区間算出処理と、前記信頼区間に基づいて、前記実績評価指標と前記推定評価指標とを比較する際に基準とする、前記推定評価指標に対応したベースラインを算出するベースライン算出処理と、前記実績評価指標と前記ベースラインとに基づいて、前記プラントに対する評価結果を算出する評価算出処理と、をコンピュータに実行させる。
また、本発明の記録媒体は、入力されたプラントの運転に関するプラント運転データの中から、評価対象の前記プラント運転データを評価対象プラント運転データとし、前記評価対象プラント運転データが表す前記プラントの運転に類似している前記プラント運転データを比較対象プラント運転データとして複数検索し、前記評価対象プラント運転データに基づいた実績評価指標と、それぞれの前記比較対象プラント運転データに基づいた推定評価指標とを算出する類似データ検索処理と、それぞれの前記比較対象プラント運転データに基づいて信頼区間を算出する信頼区間算出処理と、前記信頼区間に基づいて、前記実績評価指標と前記推定評価指標とを比較する際に基準とする、前記推定評価指標に対応したベースラインを算出するベースライン算出処理と、前記実績評価指標と前記ベースラインとに基づいて、前記プラントに対する評価結果を算出する評価算出処理と、をコンピュータに実行させるための操業改善効果算出プログラムを記録したコンピュータ読み取り可能な記録媒体である。
本発明によれば、プラントにおいて行った改善施策の効果を確認することができる操業改善効果算出装置、操業改善効果算出方法、操業改善効果算出プログラム、および記録媒体を提供することができるという効果が得られる。
本発明の第１の実施形態における操業改善効果算出装置の概略構成を示したブロック図である。 本発明の第１の実施形態の操業改善効果算出装置における処理手順の一例を示したフローチャートである。 本発明の第１の実施形態の操業改善効果算出装置における結果の表示の一例を示した図である。 本発明の第２の実施形態における操業改善効果算出装置の概略構成を示したブロック図である。 本発明の第２の実施形態の操業改善効果算出装置における処理手順の一例を示したフローチャートである。 本発明の実施形態の操業改善効果算出装置を利用するプラントにおける構成の一例を示した図である。
＜第１の実施形態＞
以下、本発明の実施形態について、図面を参照して説明する。本発明の第１の実施形態の操業改善効果算出装置は、プラントにおいて改善施策を行った後の操業条件において、改善施策を行う前のプラント特性であった場合には、どのぐらいの重要業績評価指標（Ｋｅｙ Ｐｅｒｆｏｒｍａｎｃｅ Ｉｎｄｉｃａｔｏｒ：ＫＰＩ）であったかを測ることによって、改善施策を行うことによって得られた改善効果を見積もる（確認する）ための装置である。
図１は、本発明の第１の実施形態における操業改善効果算出装置の概略構成を示したブロック図である。操業改善効果算出装置１０は、処理受け付け部１０１と、データ取得部１０２と、前処理部１０３と、類似データ検索部１０４と、信頼区間算出部１０５と、ベースライン算出部１０６と、操業改善効果算出部１０７とを含んで構成される。なお、図１には、操業改善効果算出装置１０が改善施策の効果を算出するために用いるデータが蓄積されたプラント運転データベース２０および気象データベース３０と、操業改善効果算出装置１０が算出した改善施策の効果（以下、「操業改善効果」という）のデータを提示する表示装置５０とも併せて示している。
プラント運転データベース２０は、プラントの運転に関する過去から現在までの種々のデータを蓄積したデータベースである。プラント運転データベース２０には、プラントにおいて製品を製造する際に使用する原材料の種類や使用量などの原料に関するデータと、設備に設置されたセンサが検出した操業条件（例えば、流量、圧力、温度など）のデータと、製造した製品の生産量や品質とが紐付けられたプラントの運転に関するデータ（以下、「プラント運転データ」という）が蓄積されている。なお、プラント運転データには、製品を製造する際に設備を制御するための制御データも含まれていてもよい。なお、本発明においては、プラント運転データベース２０に蓄積されているプラント運転データの形式に関しては、特に規定しない。
気象データベース３０は、プラントの運転に影響を及ぼす外的要因として考えることができる気象に関するデータ（以下、「気象データ」という）を蓄積したデータベースである。気象データベース３０には、「気温」、「気圧」、「湿度」、「天気」などの気象に関するデータと、「日付」や「時刻」などの時間に関するデータとが紐付けられた気象データが蓄積されている。なお、本発明においては、気象データベース３０に蓄積されている気象データの形式に関しては、特に規定しない。
ネットワーク４０は、操業改善効果算出装置１０がプラント運転データベース２０に蓄積されたプラントの運転に関するデータや、気象データベース３０に蓄積された気象データを取得するためのネットワークである。ここで、ネットワーク４０は、一般的なネットワークであっても、プラント内に構築された専用のネットワークであってもよい。また、ネットワーク４０は、有線や無線を含めて、様々な形態が考えられる。例えば、ネットワーク４０が一般的なネットワークである場合、インターネット、ＷｉＦｉ（登録商標）、クラウドコンピューティングシステムにおけるネットワークなどであってもよい。また、例えば、ネットワーク４０がプラント内に構築された専用のネットワークである場合、ＩＳＡ１００．１１ａなどの工業用の無線規格、センサネットワークシステムなどの無線規格、Ｗｉｒｅｌｅｓｓ／Ｗｉｒｅｄ ＨＡＲＴ（登録商標）などの無線と有線とが混在した通信規格、ＭＯＤＢＵＳ（登録商標）などのマスター／スレーブ方式の通信規格などのネットワークであってもよい。
表示装置５０は、操業改善効果算出装置１０が算出した操業改善効果のデータを、操業改善効果算出装置１０を利用するユーザーに提示（表示）する。表示装置５０は、例えば、液晶ディスプレイ（Ｌｉｑｕｉｄ Ｃｒｙｓｔａｌ Ｄｉｓｐｌａｙ：ＬＣＤ）などの表示デバイスを含んで構成される。なお、図１においては、表示装置５０が操業改善効果算出装置１０の外部に接続されている構成を示しているが、表示装置５０は、操業改善効果算出装置１０の内部に備えた構成要素であってもよい。
操業改善効果算出装置１０は、操業改善効果を算出するために用いる種々のデータを、ネットワーク４０を介してプラント運転データベース２０および気象データベース３０から取得し、算出した操業改善効果のデータを表示装置５０に表示させる。
処理受け付け部１０１は、操業改善効果算出装置１０を利用するユーザーによって操作され、操業改善効果算出装置１０が操業改善効果を算出するために用いる様々な条件を受け付けるユーザーインターフェース部である。ユーザーは、処理受け付け部１０１を操作して、操業改善効果算出装置１０が操業改善効果を算出する期間や操業改善効果の算出するために用いるパラメータなどの様々な条件を指定する。例えば、ユーザーは、改善施策を行うことによって得られた改善効果を見積もる（評価する）期間や、改善効果を見積もる（評価する）際にプラント運転データおよび気象データを検索する対象の期間を指定する。なお、以下の説明においては、改善効果を見積もる（評価する）期間を「評価期間」といい、プラント運転データおよび気象データを検索する対象の期間を「検索対象期間」という。また、ユーザーは、評価期間の操業改善効果を算出するために用いるデータを検索する条件（以下、「検索パラメータ」という）を指定する。また、ユーザーは、操業改善効果の信頼区間の条件（以下、「信頼区間パラメータ」という）を指定する。
処理受け付け部１０１は、ユーザーから指定された操業改善効果を算出するために用いる様々な条件を受け付け、受け付けた様々な条件の情報を、データ取得部１０２、類似データ検索部１０４、および信頼区間算出部１０５のそれぞれに出力する。
なお、表示装置５０が操業改善効果算出装置１０の内部に備えた構成要素である場合、処理受け付け部１０１と表示装置５０とが組み合わされた構成であってもよい。処理受け付け部１０１と表示装置５０とが組み合わされた構成としては、例えば、タッチパネルの構成が考えられる。
データ取得部１０２は、操業改善効果を算出するために用いる種々のデータを、ネットワーク４０を介してプラント運転データベース２０や気象データベース３０から取得するネットワークインターフェース部である。データ取得部１０２は、処理受け付け部１０１から出力された評価期間と検索対象期間との情報（以下、「期間情報Ｉｐ」という）に基づいて、ユーザーによって指定された期間に含まれるプラント運転データおよび気象データを、プラント運転データベース２０および気象データベース３０から取得する。なお、期間情報Ｉｐには、期間を示す情報（いわゆる、タイムスタンプ）、特定の設備における運転や停止などの状態（ステータス）、銘柄などの特定の生産品の情報などが含まれている。
なお、データ取得部１０２は、操業改善効果を算出するために用いるプラント運転データや気象データを、リアルタイムでプラント運転データベース２０や気象データベース３０から取得することができる。この場合、操業改善効果算出装置１０は、例えば、１時間や１日などの評価期間ごとの操業改善効果のみではなく、現時点の操業改善効果をリアルタイムに算出することができる。
データ取得部１０２は、プラント運転データベース２０および気象データベース３０からネットワーク４０を介して取得した評価期間と検索対象期間とのプラント運転データおよび気象データ、いわゆる、生（ＲＡＷ）データを、前処理部１０３に出力する。以下の説明において、プラント運転データと気象データとを区別しない場合には、「元データＤｒ」という。
前処理部１０３は、データ取得部１０２から出力された元データＤｒに対して、異常値（例えば、設備に設置されたセンサが検出したノイズとして考えることができるデータの値など）を除去する処理、変数（元データＤｒに含まれるそれぞれのデータ）を正規化する処理、特定の時間（例えば、１時間や１日など）で区切る処理、いわゆる、締め処理などを行う処理部である。
ここで、前処理部１０３におけるそれぞれの処理の方法としては、種々の方法が考えられる。例えば、前処理部１０３が元データＤｒに含まれる異常値を除去する処理の方法としては、例えば、マハラノビス距離を用いて、正常な値として扱うことができるデータのみを抽出する方法が考えられる。この場合、平均がμ、共分散行列がΣであるようなデータｘに対するマハラノビス距離ＤＭ（ｘ）は、下式（１）を用いて求めることができる。
Figure 0006773012
また、前処理部１０３が変数を正規化する処理の方法としては、元データＤｒに含まれるそれぞれの変数（データ）値の平均が０、分散が１となるように正規化する方法が考えられる。
以下の説明においては、前処理部１０３が元データＤｒに対して行うそれぞれの処理を区別せずに、「前処理」という。操業改善効果算出装置１０では、前処理部１０３が前処理を行った後の元データＤｒ（以下、「前処理データＤｐ」という）に基づいて、操業改善効果を算出する処理を行う。前処理部１０３は、前処理データＤｐを、類似データ検索部１０４および操業改善効果算出部１０７のそれぞれに出力する。
類似データ検索部１０４は、前処理部１０３から出力された前処理データＤｐに含まれるそれぞれのデータから類似するデータを検索する処理部である。類似データ検索部１０４は、処理受け付け部１０１から出力された検索パラメータ（以下、「検索パラメータＰｓ」という）に基づいて、改善施策を行った後の前処理データＤｐ（つまり、評価対象の前処理データＤｐ）に対して類似度が高い、改善施策を行う前の前処理データＤｐ（つまり、比較対象の前処理データＤｐ）を検索する。より具体的には、類似データ検索部１０４は、改善施策を行った後のプラント運転データに含まれる、少なくとも操業条件および生産量のデータが類似する、改善施策を行う前のプラント運転データを検索する。なお、処理受け付け部１０１から出力された検索パラメータＰｓには、ユーザーによって指定された、類似する前処理データＤｐ（比較対象の前処理データＤｐ）を上位から検索する個数と、十分に類似している（類似度が高い）か否かを判断するための閾値が含まれている。このため、類似データ検索部１０４は、類似度が最も高い方から、検索パラメータＰｓに含まれる個数分の類似する改善施策を行う前のプラント運転データを複数検索する。
ここで、類似データ検索部１０４がプラント運転データに含まれる類似するデータを検索する方法としては、種々の方法が考えられる。例えば、評価対象のある時刻（以下、「評価対象時刻」という）における改善施策を行った後のプラント運転データと、前処理データＤｐに含まれるそれぞれの時刻の改善施策を行う前のプラント運転データとの距離を計算し、計算した距離が最も近い改善施策を行う前のプラント運転データを、評価対象時刻の改善施策を行った後のプラント運転データに対して類似度が最も高い改善施策を行う前のプラント運転データとする方法が考えられる。そして、類似データ検索部１０４は、計算した距離が最も近い（類似度が最も高い）改善施策を行う前のプラント運転データから順に、検索パラメータＰｓに含まれる個数分の距離が近い改善施策を行う前のプラント運転データを、類似度が高いプラント運転データとして複数検索する。つまり、類似データ検索部１０４は、操業条件や生産量のデータが異なるものの、１つの評価対象時刻の改善施策を行った後のプラント運転データに類似している、改善施策を行う前のプラント運転データを複数検索する。ここで、類似データ検索部１０４がプラント運転データ同士の距離を求める方法としては、例えば、ユークリッド距離を計算する方法がある。この場合、あるデータｘとデータｙとの間のユークリッド距離は、下式（２）を用いて求めることができる。
Figure 0006773012
また、類似データ検索部１０４がプラント運転データ同士の距離を求める方法として、相関係数などを用いてもよい。この場合、あるデータｘとデータｙとの間の相関係数は、下式（３）を用いて求めることができる。
Figure 0006773012
なお、類似データ検索部１０４は、前処理データＤｐ同士が類似しているか否かを判定するために用いる変数（データ）として、上述したプラント運転データに含まれる操業条件および生産量のデータの他に、気象データ（例えば、「気温」や「時刻」など）も判定を行う対象のデータに含めてもよい。この場合、類似データ検索部１０４は、例えば、季節や時間帯を含めて、類似する改善施策を行う前のプラント運転データを複数検索することができる。
また、類似データ検索部１０４が、前処理データＤｐ同士が類似しているか否かを判定する評価対象時刻は、上述したように、ある時刻を評価対象時刻とする、つまり、瞬時的な時刻を評価対象時刻とする場合に限定されるものではなく、予め定めた時間幅を持った期間を評価対象時刻としてもよい。例えば、１日の平均値、積算値、操業条件パターン（トレンド）などがある。ここで、操業条件パターンとは、類似データ検索部１０４が、予め定めた時間幅に含まれる時系列の前処理データＤｐの変化のパターン同士が類似しているか否かによって、類似度が高い改善施策を行う前の前処理データＤｐを検索するということである。この場合、ユーザーは、評価対象時刻とする予め定めた時間幅を持った期間（以下、「評価対象期間」という）を、処理受け付け部１０１を操作して指定する。類似データ検索部１０４は、処理受け付け部１０１から出力された検索パラメータＰｓに評価対象期間が含まれている場合には、評価対象期間の時間幅に含まれる時系列の前処理データＤｐの変化のパターン同士が類似しているときに、評価対象時刻の改善施策を行った後の前処理データＤｐと改善施策を行う前の前処理データＤｐとが類似していると判定する。
そして、類似データ検索部１０４は、評価対象時刻の改善施策を行った後の前処理データＤｐ（評価対象の前処理データＤｐ）に基づいて、実績ＫＰＩを算出する。また、類似データ検索部１０４は、評価対象時刻の改善施策を行った後の前処理データＤｐ、つまり、算出した実績ＫＰＩに対して検索した改善施策を行う前の前処理データＤｐ（比較対象の前処理データＤｐ）に基づいて、推定ＫＰＩを算出する。このとき、類似データ検索部１０４は、検出した複数の改善施策を行う前の前処理データＤｐのそれぞれのＫＰＩを平均した平均ＫＰＩを算出し、算出した平均ＫＰＩを推定ＫＰＩとする。類似データ検索部１０４は、評価期間に含まれるそれぞれの評価対象時刻の実績ＫＰＩと、それぞれの実績ＫＰＩに対応する推定ＫＰＩとを算出する。
類似データ検索部１０４は、算出した推定ＫＰＩと、推定ＫＰＩの算出に用いた複数の前処理データＤｐ、つまり、実績ＫＰＩを算出した改善施策を行った後の前処理データＤｐに類似する検索した複数の改善施策を行う前の前処理データＤｐとを、検索した結果のデータ（以下、「検索結果Ｒｓ」という）として、信頼区間算出部１０５およびベースライン算出部１０６のそれぞれに出力する。
信頼区間算出部１０５は、類似データ検索部１０４から出力された検索結果Ｒｓに基づいて、推定ＫＰＩの信頼区間を求める処理部である。信頼区間算出部１０５は、処理受け付け部１０１から出力された信頼水準（以下、「信頼区間パラメータＰｃ」という）に基づいて、類似データ検索部１０４から出力された検索結果Ｒｓに含まれる推定ＫＰＩにどれだけの誤差が存在し得るかを算出して、推定ＫＰＩにおける信頼区間を求める。より具体的には、信頼区間算出部１０５は、検索結果Ｒｓに含まれる複数の改善施策を行う前の前処理データＤｐのそれぞれに基づいて、データ数と信頼区間パラメータから信頼区間を求める。ここで、ある類似時刻におけるＫＰＩのデータｘの信頼区間は、下式（４）を用いて求めることができる。
Figure 0006773012
上式（４）において、ｔは、自由度（データ数−１）と信頼水準（信頼区間パラメータ）によって定まる定数、数式（５）は、データの平均値、Ｓは、データの不偏分散の平方根、ｎは、データ数である。
Figure 0006773012
信頼区間算出部１０５は、信頼区間の上限の値と推定ＫＰＩとの差を、信頼区間の上限の幅とし、信頼区間の下限の値と推定ＫＰＩとの差を、信頼区間の下限の幅とする。信頼区間算出部１０５は、信頼区間の上限の幅の情報と、信頼区間の下限の幅の情報とを、信頼区間の情報（以下、「信頼区間情報Ｉｃ」という）として、ベースライン算出部１０６に出力する。
ベースライン算出部１０６は、類似データ検索部１０４から出力された検索結果Ｒｓと、信頼区間算出部１０５から出力された信頼区間情報Ｉｃとに基づいて、操業改善効果を算出して比較するための基準とするベースラインを算出する処理部である。ベースライン算出部１０６は、類似データ検索部１０４から出力された検索結果Ｒｓに含まれる推定ＫＰＩに、信頼区間算出部１０５から出力された信頼区間情報Ｉｃに含まれる信頼区間の上限の幅と、信頼区間の下限の幅とのそれぞれの幅を適用することによって、ベースラインを算出する。より具体的には、ベースライン算出部１０６は、類似データ検索部１０４から出力された検索結果Ｒｓに含まれる実績ＫＰＩが、例えば、品質であるなど、ＫＰＩの値が大きいほど改善効果が高いことを表す指標である場合、「推定ＫＰＩ＋信頼区間の上限の幅」を、ベースラインとして算出する。一方、ベースライン算出部１０６は、類似データ検索部１０４から出力された検索結果Ｒｓに含まれる実績ＫＰＩが、例えば、消費エネルギーであるなど、ＫＰＩの値が小さいほど改善効果が高いことを表す指標である場合、「推定ＫＰＩ−信頼区間の下限の幅」を、ベースラインとして算出する。これにより、操業改善効果算出装置１０では、ベースライン算出部１０６が算出したベースラインと、類似データ検索部１０４が算出した実績ＫＰＩとを比較することによって、改善施策を行ったことによって得られた最低限の改善効果を確認することができる。
ベースライン算出部１０６は、類似データ検索部１０４から出力された検索結果Ｒｓと、算出したベースラインのデータとのそれぞれを、操業改善効果算出部１０７に出力する。
操業改善効果算出部１０７は、少なくとも、ベースライン算出部１０６から出力された検索結果Ｒｓとベースラインのデータとに基づいて、改善施策を行うことによって得られた操業改善効果を算出する処理部である。より具体的には、操業改善効果算出部１０７は、実績ＫＰＩとベースラインのデータ（値）との差を、操業改善効果として算出する。つまり、操業改善効果算出部１０７は、「実績ＫＰＩ−ベースライン」を、操業改善効果として算出する。このとき、操業改善効果算出部１０７は、それぞれの評価対象時刻ごとに、対応する実績ＫＰＩとベースラインのデータ（値）とを用いて、操業改善効果を算出する。また、このとき、操業改善効果算出装置１０は、算出した操業改善効果を詳細に表すために、前処理部１０３から出力された前処理データＤｐを用いたデータの算出を行ってもよい。
操業改善効果算出部１０７は、算出したそれぞれの評価対象時刻の操業改善効果のデータ（以下、「操業改善効果データＤｅ」という）を、操業改善効果算出装置１０が評価期間において評価した操業改善効果の結果として出力する。
なお、操業改善効果算出装置１０では、操業改善効果データＤｅを表示装置５０に出力して表示させる。このため、操業改善効果算出部１０７は、それぞれの評価対象時刻の操業改善効果データＤｅが表す改善効果、実績ＫＰＩ、推定ＫＰＩ、ベースラインなどを明示するための画像のデータを生成し、生成した画像のデータを評価した操業改善効果の結果として表示装置５０に出力して表示させてもよい。
続いて、操業改善効果算出装置１０の動作について説明する。図２は、本発明の第１の実施形態の操業改善効果算出装置１０における処理手順の一例を示したフローチャートである。
なお、図２に示した操業改善効果算出装置１０の動作のフローチャートでは、操業改善効果算出装置１０が、表示装置５０を内蔵する構成であり、操業改善効果算出装置１０を利用するユーザーに算出した操業改善効果データＤｅを明示するための画像データを、表示装置５０に表示させるものとして説明する。また、以下の説明においては、操業改善効果算出装置１０を利用するユーザーによって、期間、検索パラメータ、および信頼区間パラメータのそれぞれがすでに指定されているものとして説明する。
操業改善効果算出装置１０は、ユーザーによって操業改善効果の評価の実施が指示されると、指定された期間、検索パラメータ、および信頼区間パラメータに応じた操業改善効果の評価を開始する。
操業改善効果算出装置１０が、操業改善効果の評価を開始すると、まず、データ取得部１０２は、処理受け付け部１０１から出力された期間情報Ｉｐが表す検索対象期間と評価期間とに含まれるプラント運転データおよび気象データを、ネットワーク４０を介してプラント運転データベース２０および気象データベース３０から取得する（ステップＳ１００）。そして、データ取得部１０２は、取得したプラント運転データおよび気象データが含まれる元データＤｒを、前処理部１０３に出力する。
続いて、前処理部１０３は、データ取得部１０２から出力された元データＤｒに対して前処理を実行する（ステップＳ１１０）。より具体的には、前処理部１０３は、例えば、マハラノビス距離を用いて元データＤｒの異常値を除去する処理を行い、元データＤｒに含まれるそれぞれの変数（データ）値の平均が０、分散が１となるように、元データＤｒを正規化する処理を行う。そして、前処理部１０３は、前処理を実行したそれぞれの元データＤｒが含まれる前処理データＤｐを、類似データ検索部１０４および操業改善効果算出部１０７のそれぞれに出力する。
続いて、類似データ検索部１０４は、処理受け付け部１０１から出力された検索パラメータＰｓに基づいて、前処理部１０３から出力された前処理データＤｐに含まれるそれぞれの評価対象時刻ごとに、改善施策を行った後の前処理データＤｐ（評価対象の前処理データＤｐ）に類似する改善施策を行う前の前処理データＤｐ（比較対象の前処理データＤｐ）を検索する（ステップＳ１２０）。ここで、処理受け付け部１０１から出力された検索パラメータＰｓに、類似する前処理データＤｐ（比較対象の前処理データＤｐ）を検索する個数としてｎ個（ｎ＝自然数、正の整数）が含まれている場合を考える。この場合、類似データ検索部１０４は、ステップＳ１２０の処理において、それぞれの評価対象時刻の改善施策を行った後の前処理データＤｐに対して、最も類似度の高いｎ個の類似する改善施策を行う前の前処理データＤｐを検索する。
その後、類似データ検索部１０４は、実績ＫＰＩと推定ＫＰＩとのそれぞれを算出する（ステップＳ１３０）。ここで、類似データ検索部１０４が、ステップＳ１２０の処理において、それぞれの評価対象時刻の改善施策を行った後の前処理データＤｐに対応するｎ個の類似する改善施策を行う前の前処理データＤｐを検索した場合を考える。この場合、類似データ検索部１０４は、ステップＳ１３０の処理において、それぞれの評価対象時刻の改善施策を行った後の前処理データＤｐごとに、評価対象時刻の実績ＫＰＩを算出する。また、類似データ検索部１０４は、ステップＳ１３０の処理において、それぞれの評価対象時刻の改善施策を行った後の前処理データＤｐに対応するｎ個の類似する改善施策を行う前の前処理データＤｐのＫＰＩを平均した平均ＫＰＩを、それぞれの評価対象時刻の実績ＫＰＩに対応するそれぞれの推定ＫＰＩとして算出する。そして、類似データ検索部１０４は、算出したそれぞれの評価対象時刻の実績ＫＰＩと、それぞれの評価対象時刻の実績ＫＰＩに対応するそれぞれの推定ＫＰＩと、推定ＫＰＩを算出したｎ個の類似する改善施策を行う前の前処理データＤｐとを、検索結果Ｒｓとして信頼区間算出部１０５およびベースライン算出部１０６のそれぞれに出力する。
続いて、信頼区間算出部１０５は、処理受け付け部１０１から出力された信頼区間パラメータＰｃに基づいて、類似データ検索部１０４から出力された検索結果Ｒｓに含まれる推定ＫＰＩの信頼区間を算出する（ステップＳ１４０）。ここで、類似データ検索部１０４が出力した検索結果Ｒｓに、それぞれの推定ＫＰＩを算出したｎ個の類似する改善施策を行う前の前処理データＤｐが含まれている場合を考える。この場合、信頼区間算出部１０５は、それぞれの推定ＫＰＩごとに、ｎ個の類似する改善施策を行う前の前処理データＤｐのそれぞれに基づいて、データ数と信頼区間パラメータＰｃとから、上式（４）を用いて信頼区間を求める。そして、信頼区間算出部１０５は、求めた信頼区間の上限の幅の情報と、信頼区間の下限の幅の情報とを含む信頼区間情報Ｉｃを、ベースライン算出部１０６に出力する。
続いて、ベースライン算出部１０６は、信頼区間算出部１０５から出力された信頼区間情報Ｉｃに基づいて、類似データ検索部１０４から出力された検索結果Ｒｓに含まれるそれぞれの推定ＫＰＩに対応するベースラインを算出する（ステップＳ１５０）。そして、ベースライン算出部１０６は、類似データ検索部１０４から出力された検索結果Ｒｓに含まれる少なくとも実績ＫＰＩおよび推定ＫＰＩと、算出したベースラインのデータとのそれぞれを、操業改善効果算出部１０７に出力する。
続いて、操業改善効果算出部１０７は、ベースライン算出部１０６から出力された検索結果Ｒｓとベースラインのデータとに基づいて、それぞれの評価対象時刻ごとに操業改善効果を算出する（ステップＳ１６０）。そして、操業改善効果算出部１０７は、算出したそれぞれの評価対象時刻の操業改善効果を明示するための画像データを生成し、生成した画像データを操業改善効果データＤｅとして表示装置５０に出力する。
続いて、表示装置５０は、操業改善効果算出部１０７から出力された操業改善効果データＤｅの画像を表示する（ステップＳ１７０）。
このような構成および処理手順によって、第１の実施形態の操業改善効果算出装置１０は、ユーザーによって指定された検索対象期間と評価期間とに含まれるプラント運転データおよび気象データを用いて、ユーザーによって指定された条件でプラントにおいて行った改善施策の効果（操業改善効果）を評価する。このとき、第１の実施形態の操業改善効果算出装置１０では、改善施策を行った後のプラント運転データに類似する、改善施策を行う前のプラント運転データを複数検索して、推定ＫＰＩとベースラインとを算出し、ベースラインと実績ＫＰＩとから、改善施策を行ったことによって得られた最低限の改善効果（操業改善効果）を算出する。これにより、第１の実施形態の操業改善効果算出装置１０では、操業改善効果算出装置１０が適用されたプラントが、化学プラントや微生物プラントなど、統計モデルや特性式を作成することによって明確に表すことが困難なプラントであっても、改善効果（操業改善効果）を評価することができる。そして、第１の実施形態の操業改善効果算出装置１０は、評価した改善施策の効果（操業改善効果）をユーザーに提示する。これにより、第１の実施形態の操業改善効果算出装置１０を利用するユーザーは、プラントにおいて改善施策を行うことによって得られた改善効果を確認することができる。
ここで、操業改善効果算出装置１０が評価した操業改善効果の結果を表示装置５０に表示させた一例について説明する。図３は、本発明の第１の実施形態の操業改善効果算出装置１０における結果（操業改善効果の結果）の表示の一例を示した図である。図３には、操業改善効果算出装置１０が、評価する対象の実績ＫＰＩが、エネルギー原単位である場合において、実績ＫＰＩ、推定ＫＰＩ、およびベースラインの時間に対する変化を、操業改善効果の結果として表示装置５０に表示させた場合の一例を示している。図３には、エネルギー原単位の大きさを縦軸とし、時間を横軸としたグラフに、実績ＫＰＩ、推定ＫＰＩ、およびベースラインの時間に対する変化を折れ線で示している。
エネルギー原単位は、ＫＰＩの値が小さいほど改善効果が高いことを表す指標である。このため、操業改善効果算出装置１０では、ベースライン算出部１０６が、「推定ＫＰＩ−信頼区間の下限の幅」を、ベースラインとして算出する。このため、操業改善効果の結果として表示装置５０に表示する図３のグラフにおいて、ベースラインは、推定ＫＰＩよりも下側に位置するベースライン（下限ベースライン）である。そして、図３では、下限ベースラインと実績ＫＰＩとの差が、プラントにおいて改善施策を行ったことによって得られた最低限の操業改善効果である。
操業改善効果算出装置１０を利用するユーザーは、図３に示したような最低限の操業改善効果を確認することによって、改善施策を行うことによってプラントにおいて得られた改善効果を確認することができる。
なお、上述したように、エネルギー原単位は、ＫＰＩの値が小さいほど改善効果が高いことを表す指標である。このため、操業改善効果算出装置１０が操業改善効果の結果として表示装置５０に表示させるベースラインは、下限ベースラインのみである。しかし、図３には、信頼区間算出部１０５が算出する推定ＫＰＩの信頼区間を明示するため、「推定ＫＰＩ＋信頼区間の上限の幅」、つまり、推定ＫＰＩよりも上側に位置するベースライン（上限ベースライン）も、参考として示している。図３では、下限ベースラインと上限ベースラインとの間の幅が、信頼区間算出部１０５が算出した信頼区間である。
なお、図３では、表示装置５０に表示させる操業改善効果の結果の一例として、実績ＫＰＩ、推定ＫＰＩ、およびベースラインの時間に対する変化を折れ線グラフで表した場合を示した。しかし、操業改善効果算出装置１０が表示装置５０に表示させる操業改善効果の結果の形式は、図３に示した一例のような折れ線グラフの形式に限定されるものではない。例えば、操業改善効果算出装置１０は、操業改善効果の結果に含まれるそれぞれの時間（評価対象時刻）およびその時間における操業改善効果のデータ（値）を、数値で表して明示する形式であってもよい。
なお、操業改善効果算出装置１０では、改善施策を行った後のプラント運転データに類似する改善施策を行う前のプラント運転データを複数検索することによって、推定ＫＰＩを算出した。しかし、データ取得部１０２がプラント運転データベース２０から取得した検索対象期間のプラント運転データの中に、改善施策を行った後のプラント運転データに十分に類似している（類似度が高い）改善施策を行う前のプラント運転データがないまたは少ないこともあり得る。この場合、類似データ検索部１０４が検索した、ユーザーによって指定された個数分の改善施策を行う前のプラント運転データの中には、十分に類似していない（類似度が低い）改善施策を行う前のプラント運転データも含まれることになる。そして、十分に類似していない（類似度が低い）プラント運転データも含めて操業改善効果を評価するよりは、統計モデルなどを作成して操業改善効果を評価した方がよいと考えられる場合もあり得る。このため、操業改善効果算出装置の構成を、検索することができた改善施策を行う前のプラント運転データの個数や、改善施策を行った後のプラント運転データとの類似度の高さなどに基づいて、操業改善効果を評価する方法を切り替える構成にしてもよい。
＜第２の実施形態＞
次に、本発明の第２の実施形態について説明する。本発明の第２の実施形態の操業改善効果算出装置も、第１の実施形態の操業改善効果算出装置１０と同様に、プラントにおいて改善施策を行った後の操業条件において、改善施策を行う前のプラント特性であった場合には、どのぐらいのＫＰＩであったかを測ることによって、改善施策を行うことによって得られた改善効果を見積もる（確認する）ための装置である。このため、第２の実施形態の操業改善効果算出装置の構成要素には、図１に示した第１の実施形態の操業改善効果算出装置１０の構成要素と同様の構成要素も含んでいる。従って、以下の説明においては、第２の実施形態の操業改善効果算出装置の構成要素において、第１の実施形態の操業改善効果算出装置１０の構成要素と同様の構成要素には同一の符号を付与し、その構成要素に関する詳細な説明は省略する。
図４は、本発明の第２の実施形態における操業改善効果算出装置の概略構成を示したブロック図である。操業改善効果算出装置１２は、処理受け付け部１０１と、データ取得部１０２と、前処理部１０３と、類似データ検索部１２４と、算出方法判定部１２８と、統計モデル作成部１２９と、信頼区間算出部１２５と、ベースライン算出部１２６と、操業改善効果算出部１０７とを含んで構成される。
なお、図４においても、図１と同様に、ネットワーク４０に接続されたプラント運転データベース２０および気象データベース３０と、表示装置５０とも併せて示している。図４に示したプラント運転データベース２０、気象データベース３０、ネットワーク４０は、図１に示した対応する構成要素と同様である。また、図４に示した表示装置５０も、図１に示した表示装置５０と同様である。従って、表示装置５０は、第１の実施形態の操業改善効果算出装置１０と同様に、操業改善効果算出装置１２の内部に備えた構成要素であってもよい。さらに、表示装置５０は、第１の実施形態の操業改善効果算出装置１０と同様に、処理受け付け部１０１と組み合わされて、例えば、タッチパネルとして構成されてもよい。
操業改善効果算出装置１２では、図１に示した第１の実施形態の操業改善効果算出装置１０に、算出方法判定部１２８と統計モデル作成部１２９とが追加されている。このため、操業改善効果算出装置１２では、図１に示した第１の実施形態の操業改善効果算出装置１０に備えた類似データ検索部１０４が類似データ検索部１２４に代わり、信頼区間算出部１０５が信頼区間算出部１２５に代わり、ベースライン算出部１０６がベースライン算出部１２６に代わっている。この構成により、操業改善効果算出装置１２では、改善施策を行うことによって得られた改善効果の見積もり（評価）を、統計モデルを用いても行うことができる構成となっている。
前処理部１０３は、データ取得部１０２から出力された元データＤｒに前処理を行った前処理データＤｐを、類似データ検索部１２４、統計モデル作成部１２９、および操業改善効果算出部１０７のそれぞれに出力する。
類似データ検索部１２４は、第１の実施形態の操業改善効果算出装置１０に備えた類似データ検索部１０４と同様に、前処理部１０３から出力された前処理データＤｐに含まれる改善施策を行った後の前処理データＤｐ（評価対象の前処理データＤｐ）に対して類似度が高い、改善施策を行う前の前処理データＤｐ（比較対象の前処理データＤｐ）を複数検索する。また、類似データ検索部１２４は、第１の実施形態の操業改善効果算出装置１０に備えた類似データ検索部１０４と同様に、実績ＫＰＩと推定ＫＰＩとのそれぞれを算出する。
そして、類似データ検索部１２４は、第１の実施形態の操業改善効果算出装置１０に備えた類似データ検索部１０４と同様に、算出した実績ＫＰＩおよび推定ＫＰＩと、検索した複数の改善施策を行う前の前処理データＤｐとを含む検索結果Ｒｓを、算出方法判定部１２８に出力する。ただし、操業改善効果算出装置１２においては、後述する算出方法判定部１２８が、改善施策を行う前の前処理データＤｐのそれぞれの改善施策を行った後の前処理データＤｐに対する類似度に基づいて、ベースラインを算出する方法の判定を行う。このため、類似データ検索部１２４では、検索した複数の改善施策を行う前の前処理データＤｐのそれぞれに、改善施策を行った後の前処理データＤｐとの類似度を表す情報を付加してから、検索結果Ｒｓに含めて出力する。類似度を表す情報は、例えば、類似データ検索部１２４が、改善施策を行った後の前処理データＤｐとの距離を計算することによって改善施策を行う前の前処理データＤｐを検索する場合には、検索する際に計算した距離の情報である。このため、図４では、第１の実施形態の操業改善効果算出装置１０に備えた類似データ検索部１０４が出力する検索結果Ｒｓと、類似データ検索部１２４が出力する検索結果Ｒｓとを区別するため、類似データ検索部１２４が出力する検索結果Ｒｓを、「検索結果Ｒｓ１」として示している。
算出方法判定部１２８は、類似データ検索部１２４から出力された検索結果Ｒｓ１に基づいて、操業改善効果を算出するためのベースラインを算出する方法を判定する処理部である。算出方法判定部１２８は、検索結果Ｒｓ１に含まれる改善施策を行う前の前処理データＤｐに基づいて、類似データ検索部１２４が算出した推定ＫＰＩに対してベースラインを算出するか、統計モデル作成部１２９が算出した推定ＫＰＩに対してベースラインを算出するかを切り替える。より具体的には、算出方法判定部１２８は、検索結果Ｒｓ１に含まれる改善施策を行う前の前処理データＤｐのそれぞれに付加された類似度を表す情報に基づいて、検索結果Ｒｓ１の中に、改善施策を行った後の前処理データＤｐに十分に類似している改善施策を行う前の前処理データＤｐが十分に含まれているか否かを判定する。言い換えれば、算出方法判定部１２８は、改善施策を行った後の前処理データＤｐに十分に類似している改善施策を行う前の前処理データＤｐが類似データ検索部１２４によって十分な個数検索されたか否かを判定する。
ここで、算出方法判定部１２８が、検索結果Ｒｓ１の中に類似している改善施策を行う前の前処理データＤｐが十分に含まれているか否かの判定方法としては、種々の方法が考えられる。例えば、算出方法判定部１２８が、検索結果Ｒｓ１に含まれているそれぞれの改善施策を行う前の前処理データＤｐに付加された最も大きい距離の大きさを、予め定めた距離の閾値と比較することによって判定する方法が考えられる。この場合、算出方法判定部１２８は、最も大きい距離が、予め定めた距離の閾値よりも小さい場合に、検索結果Ｒｓ１の中に類似している改善施策を行う前の前処理データＤｐが十分に含まれていると判定し、予め定めた個数の閾値以上である場合に、検索結果Ｒｓ１の中に類似している改善施策を行う前の前処理データＤｐが十分に含まれていないと判定する。また、例えば、算出方法判定部１２８が、検索結果Ｒｓ１に含まれている、予め定めた距離の閾値よりも小さい距離の情報が付加されている改善施策を行う前の前処理データＤｐの個数を計数することによって判定する方法が考えられる。この場合、算出方法判定部１２８は、計数した改善施策を行う前の前処理データＤｐの個数が、予め定めた個数の閾値以上である場合に、検索結果Ｒｓ１の中に類似している改善施策を行う前の前処理データＤｐが十分に含まれていると判定し、予め定めた個数の閾値よりも少ない場合に、検索結果Ｒｓ１の中に類似している改善施策を行う前の前処理データＤｐが十分に含まれていないと判定する。また、例えば、算出方法判定部１２８が、検索結果Ｒｓ１に含まれているそれぞれの改善施策を行う前の前処理データＤｐに付加された距離を平均する、つまり、それぞれの改善施策を行う前の前処理データＤｐにおける平均距離を算出することによって判定する方法が考えられる。この場合、算出方法判定部１２８は、算出した平均距離が、予め定めた平均距離の閾値以下である場合に、検索結果Ｒｓ１の中に類似している改善施策を行う前の前処理データＤｐが十分に含まれていると判定し、算出した平均距離が、予め定めた平均距離の閾値よりも大きい場合に、検索結果Ｒｓ１の中に類似している改善施策を行う前の前処理データＤｐが十分に含まれていないと判定する。
算出方法判定部１２８は、検索結果Ｒｓ１の中に、改善施策を行った後の前処理データＤｐに十分に類似している改善施策を行う前の前処理データＤｐが十分に含まれていると判定した場合には、類似データ検索部１２４が算出した推定ＫＰＩに対してベースラインを算出すると判定する。一方、算出方法判定部１２８は、検索結果Ｒｓ１の中に、改善施策を行った後の前処理データＤｐに十分に類似している改善施策を行う前の前処理データＤｐが十分に含まれていないと判定した場合には、統計モデル作成部１２９が算出した推定ＫＰＩに対してベースラインを算出すると判定する。算出方法判定部１２８は、ベースラインを算出する方法を判定した結果を、統計モデル作成部１２９、信頼区間算出部１２５、およびベースライン算出部１２６のそれぞれに出力する。
また、算出方法判定部１２８は、類似データ検索部１２４から出力された検索結果Ｒｓ１をそのまま、信頼区間算出部１２５およびベースライン算出部１２６のそれぞれに出力する。ただし、算出方法判定部１２８は、上述したように、検索結果Ｒｓ１の中に類似している改善施策を行う前の前処理データＤｐが十分に含まれているか否かを判定している。このため、算出方法判定部１２８が検索結果Ｒｓ１の中に類似している改善施策を行う前の前処理データＤｐが十分に含まれていると判定した場合でも、改善施策を行った後の前処理データＤｐに十分に類似していると判定されなかった改善施策を行う前の前処理データＤｐも含まれていることが考えられる。このため、算出方法判定部１２８では、改善施策を行った後の前処理データＤｐに十分に類似していると判定されなかった改善施策を行う前の前処理データＤｐを判別するための情報を付加してもよい。言い換えれば、算出方法判定部１２８は、信頼区間算出部１２５およびベースライン算出部１２６における処理に用いる改善施策を行う前の前処理データＤｐ（つまり、有効な比較対象の前処理データＤｐ）を判別するための情報を付加してから、検索結果Ｒｓ１に含めて出力してもよい。また、算出方法判定部１２８は、改善施策を行った後の前処理データＤｐに十分に類似していると判定されなかった改善施策を行う前の前処理データＤｐを検索結果Ｒｓ１から削除するなどを行って、信頼区間算出部１２５およびベースライン算出部１２６のそれぞれに出力しないようにしてもよい。言い換えれば、算出方法判定部１２８は、信頼区間算出部１２５およびベースライン算出部１２６における処理に用いる改善施策を行う前の前処理データＤｐ（つまり、有効な比較対象の前処理データＤｐ）のみを、検索結果Ｒｓ１に含めて出力してもよい。また、算出方法判定部１２８は、改善施策を行った後の前処理データＤｐに十分に類似していると判定されなかった改善施策を行う前の前処理データＤｐを判別するための処理（情報の付加や削除）を行った場合、改善施策を行った後の前処理データＤｐに十分に類似していると判定された改善施策を行う前の前処理データＤｐに基づいて、推定ＫＰＩを再度算出して、検索結果Ｒｓ１に含めて出力してもよい。つまり、算出方法判定部１２８は、信頼区間算出部１２５およびベースライン算出部１２６における処理に用いる改善施策を行う前の前処理データＤｐ（つまり、有効な比較対象の前処理データＤｐ）のみに基づいて推定ＫＰＩを算出し、検索結果Ｒｓに含まれる推定ＫＰＩを、算出方法判定部１２８が算出した推定ＫＰＩと入れ替えてもよい。このため、図４では、算出方法判定部１２８に入力される検索結果Ｒｓ１、つまり、類似データ検索部１２４から出力された検索結果Ｒｓ１と、算出方法判定部１２８が出力する検索結果Ｒｓ１とを区別するため、算出方法判定部１２８が出力する検索結果Ｒｓ１を、「検索結果Ｒｓ２」として示している。
統計モデル作成部１２９は、前処理部１０３から出力された前処理データＤｐに含まれるそれぞれのデータに基づいて統計モデルを作成し、作成した統計モデルに基づいてＫＰＩを推定する処理部である。統計モデル作成部１２９は、前処理データＤｐに含まれる、ユーザーによって指定された検索対象期間の改善施策を行う前の前処理データＤｐに基づいて、統計モデルを作成する。ここで、統計モデル作成部１２９が作成する統計モデルとしては、種々のモデルが考えられる。例えば、統計モデル作成部１２９は、部分的最小二乗回帰（ｐａｒｔｉａｌ ｌｅａｓｔ ｓｑｕａｒｅｓ ｒｅｇｒｅｓｓｉｏｎ：ＰＬＳ回帰）を用いた回帰モデルを、統計モデルとして作成する。
そして、統計モデル作成部１２９は、前処理部１０３から出力された前処理データＤｐに含まれる評価対象時刻の改善施策を行った後の前処理データＤｐ（評価対象の前処理データＤｐ）に基づいて、実績ＫＰＩを算出する。なお、統計モデル作成部１２９が算出する実績ＫＰＩは、類似データ検索部１２４が算出する実績ＫＰＩと同様のＫＰＩである。また、統計モデル作成部１２９は、作成した統計モデルを用いて、評価対象時刻の改善施策を行った後の前処理データＤｐ、つまり、算出した実績ＫＰＩに対応する推定ＫＰＩを算出（推定）する。統計モデル作成部１２９は、評価期間に含まれるそれぞれの評価対象時刻の実績ＫＰＩと、それぞれの実績ＫＰＩに対応する推定ＫＰＩとを算出（推定）する。
統計モデル作成部１２９は、統計モデルを用いて算出（推定）した推定ＫＰＩと、統計モデルの作成に用いた改善施策を行う前の前処理データＤｐと、統計モデルを作成する際に用いた検索対象期間の前処理データＤｐと、統計モデルを用いて算出（推定）した推定ＫＰＩとを、推定した結果のデータ（以下、「推定結果Ｒｅ」という）として、信頼区間算出部１２５およびベースライン算出部１２６のそれぞれに出力する。
信頼区間算出部１２５は、第１の実施形態の操業改善効果算出装置１０に備えた信頼区間算出部１０５と同様に、算出方法判定部１２８から出力された検索結果Ｒｓ２に基づいて、類似データ検索部１２４が算出した推定ＫＰＩの信頼区間を求める処理部である。また、信頼区間算出部１２５は、統計モデル作成部１２９から出力された推定結果Ｒｅに基づいて、統計モデル作成部１２９が算出した推定ＫＰＩの信頼区間を求める処理部でもある。信頼区間算出部１２５は、算出方法判定部１２８から出力された、ベースラインを算出する方法の判定結果に応じて、類似データ検索部１２４が算出した推定ＫＰＩの信頼区間、または統計モデル作成部１２９が算出した推定ＫＰＩの信頼区間のいずれか一方の信頼区間を求める。
類似データ検索部１２４が算出した推定ＫＰＩの信頼区間を求める場合、信頼区間算出部１２５は、第１の実施形態の操業改善効果算出装置１０に備えた信頼区間算出部１０５と同様に、処理受け付け部１０１から出力された信頼区間パラメータＰｃに基づいて、算出方法判定部１２８から出力された検索結果Ｒｓ２に含まれる推定ＫＰＩにどれだけの誤差が存在し得るかを算出して、推定ＫＰＩにおける信頼区間を求める。なお、信頼区間算出部１２５が算出方法判定部１２８から出力された検索結果Ｒｓ２に含まれる推定ＫＰＩの信頼区間を求める方法は、第１の実施形態の操業改善効果算出装置１０に備えた信頼区間算出部１０５と同様である。従って、信頼区間算出部１２５が算出方法判定部１２８から出力された検索結果Ｒｓ２に含まれる推定ＫＰＩの信頼区間を求める方法に関する詳細な説明は省略する。
一方、統計モデル作成部１２９が算出した推定ＫＰＩの信頼区間を求める場合、信頼区間算出部１２５は、統計モデル作成部１２９が作成した統計モデルを用いて推定ＫＰＩを算出（推定）した際の推定誤差量に基づいて、上式（４）と同様にして信頼区間として求める。ただし、信頼区間算出部１２５が、統計モデル作成部１２９が算出した推定ＫＰＩの信頼区間を求める場合には、計算に用いるデータが異なる。より具体的には、信頼区間算出部１２５は、まず、推定結果Ｒｅに含まれる統計モデルを作成する際に用いた検索対象期間の前処理データＤｐと、統計モデルを用いて算出（推定）した推定ＫＰＩに基づいて、それぞれの検索対象時刻ごとに、実績ＫＰＩと推定ＫＰＩの差（推定誤差量）を求める。つまり、信頼区間算出部１２５は、「信頼区間算出用ＫＰＩ−推定ＫＰＩ」を、それぞれの検索対象時刻ごとに算出する。次に、信頼区間算出部１２５は、求めた推定誤差量を上式（４）のデータｘに代入して、推定誤差量の信頼区間を求める。そして、信頼区間算出部１２５は、求めた信頼区間の上限の値をそのまま信頼区間の上限の幅とし、信頼区間の下限の値をそのまま信頼区間の下限の幅とする。
信頼区間算出部１２５は、算出方法判定部１２８から出力されたベースラインを算出する方法の判定結果に対応する信頼区間の上限の幅の情報と、信頼区間の下限の幅の情報とを、信頼区間情報Ｉｃとしてベースライン算出部１２６に出力する。
ベースライン算出部１２６は、第１の実施形態の操業改善効果算出装置１０に備えたベースライン算出部１０６と同様に、算出方法判定部１２８から出力された検索結果Ｒｓ２と、信頼区間算出部１２５から出力された信頼区間情報Ｉｃとに基づいて、操業改善効果を算出して比較するための基準とするベースラインを算出する処理部である。また、ベースライン算出部１２６は、統計モデル作成部１２９から出力された推定結果Ｒｅと、信頼区間算出部１２５から出力された信頼区間情報Ｉｃとに基づいて、操業改善効果を算出するためのベースラインを算出する処理部でもある。ベースライン算出部１２６は、算出方法判定部１２８から出力された、ベースラインを算出する方法の判定結果に応じて、算出方法判定部１２８から出力された検索結果Ｒｓ２に含まれる推定ＫＰＩ、または統計モデル作成部１２９から出力された推定結果Ｒｅに含まれる推定ＫＰＩのいずれか一方の推定ＫＰＩに対応するベースラインを算出する。
ベースライン算出部１２６が推定ＫＰＩに対応するベースラインを算出する方法は、算出方法判定部１２８から出力されたベースラインを算出する方法の判定結果に応じて、信頼区間算出部１２５から出力された信頼区間情報Ｉｃに含まれる信頼区間の上限の幅、または信頼区間の下限の幅のいずれの幅を適用する推定ＫＰＩが異なる以外は、第１の実施形態の操業改善効果算出装置１０に備えたベースライン算出部１０６と同様である。従って、ベースライン算出部１２６が推定ＫＰＩに対応するベースラインを算出する方法に関する詳細な説明は省略する。
ベースライン算出部１２６は、算出方法判定部１２８から出力されたベースラインを算出する方法の判定結果に応じて、算出方法判定部１２８から出力された検索結果Ｒｓ２、または統計モデル作成部１２９から出力された推定結果Ｒｅと、算出したベースラインのデータとのそれぞれを、操業改善効果算出部１０７に出力する。
これにより、操業改善効果算出装置１２でも、第１の実施形態の操業改善効果算出装置１０と同様に、操業改善効果算出部１０７が、それぞれの評価対象時刻の操業改善効果データＤｅを、操業改善効果算出装置１２が評価期間において評価した操業改善効果の結果として表示装置５０に出力する。これにより、操業改善効果算出装置１２でも、第１の実施形態の操業改善効果算出装置１０と同様に、操業改善効果算出装置１２を利用するユーザーは、ベースライン算出部１２６が算出したベースラインと、類似データ検索部１２４または統計モデル作成部１２９が算出した実績ＫＰＩとを比較することによって、改善施策を行ったことによって得られた最低限の改善効果を確認することができる。
続いて、操業改善効果算出装置１２の動作について説明する。図５は、本発明の第２の実施形態の操業改善効果算出装置１２における処理手順の一例を示したフローチャートである。なお、図５に示した操業改善効果算出装置１２の動作のフローチャート内の処理には、図２に示した第１の実施形態の操業改善効果算出装置１０の動作のフローチャート内の処理と同様の処理を含んでいる。従って、以下の説明においては、図５に示した操業改善効果算出装置１２の動作のフローチャート内のそれぞれの処理において、図２に示した第１の実施形態の操業改善効果算出装置１０の動作のフローチャート内の処理と同一の処理には、同一のステップ番号を付与し、異なる処理に重点をおいて説明する。
なお、図５に示した操業改善効果算出装置１２の動作のフローチャートも、図２に示した第１の実施形態の操業改善効果算出装置１０の動作のフローチャートと同様に、操業改善効果算出装置１２が、表示装置５０を内蔵する構成であり、操業改善効果算出装置１２を利用するユーザーに算出した操業改善効果データＤｅを明示するための画像データを、表示装置５０に表示させるものとして説明する。また、以下の説明においては、図２に示した第１の実施形態の操業改善効果算出装置１０の動作のフローチャートと同様に、操業改善効果算出装置１２を利用するユーザーによって、期間、検索パラメータ、および信頼区間パラメータのそれぞれがすでに指定されているものとして説明する。
操業改善効果算出装置１２は、ユーザーの指示に応じて操業改善効果の評価を開始すると、まず、データ取得部１０２が、ステップＳ１００の処理において、ネットワーク４０を介してプラント運転データベース２０および気象データベース３０から取得した、期間情報Ｉｐが表す検索対象期間と評価期間とに含まれる元データＤｒを、前処理部１０３に出力する。そして、前処理部１０３が、ステップＳ１１０の処理において、データ取得部１０２から出力された元データＤｒに対して前処理を実行した前処理データＤｐを、類似データ検索部１２４、統計モデル作成部１２９、および操業改善効果算出部１０７のそれぞれに出力する。
続いて、類似データ検索部１２４は、処理受け付け部１０１から出力された検索パラメータＰｓに基づいて、前処理部１０３から出力された前処理データＤｐに含まれるそれぞれの評価対象時刻ごとに、改善施策を行った後の前処理データＤｐ（評価対象の前処理データＤｐ）に類似する改善施策を行う前の前処理データＤｐ（比較対象の前処理データＤｐ）を検索する（ステップＳ２２０）。ここで、処理受け付け部１０１から出力された検索パラメータＰｓに、類似する前処理データＤｐ（比較対象の前処理データＤｐ）を検索する個数としてｎ個（ｎ＝自然数、正の整数）が含まれている場合、類似データ検索部１２４は、ステップＳ２２０の処理において、ｎ個の類似する改善施策を行う前の前処理データＤｐを検索し、検索したｎ個の類似する改善施策を行う前の前処理データＤｐのそれぞれに、類似度を表す情報を付加する。
その後、類似データ検索部１２４は、ステップＳ１３０の処理において、それぞれの評価対象時刻の実績ＫＰＩと、それぞれの評価対象時刻の実績ＫＰＩに対応するそれぞれの推定ＫＰＩとのそれぞれを算出する。そして、類似データ検索部１２４は、算出した実績ＫＰＩおよび推定ＫＰＩと、ステップＳ２２０の処理において検索して類似度を表す情報を付加した複数の改善施策を行う前の前処理データＤｐとを含む検索結果Ｒｓ１を、算出方法判定部１２８に出力する。ここで、類似データ検索部１２４が、ステップＳ２２０の処理において、それぞれの評価対象時刻の改善施策を行った後の前処理データＤｐに対応するｎ個の類似する改善施策を行う前の前処理データＤｐを検索した場合を考える。この場合、類似データ検索部１２４は、算出した実績ＫＰＩおよび推定ＫＰＩと、ステップＳ２２０の処理において類似度を表す情報を付加した、推定ＫＰＩを算出したｎ個の類似する改善施策を行う前の前処理データＤｐとを含む検索結果Ｒｓ１を、算出方法判定部１２８に出力する。
続いて、算出方法判定部１２８は、類似データ検索部１２４から出力された検索結果Ｒｓ１の中に類似している改善施策を行う前の前処理データＤｐが十分に含まれているか否かを判定する（ステップＳ２３１）。つまり、算出方法判定部１２８は、検索結果Ｒｓ１に含まれる改善施策を行う前の前処理データＤｐに基づいて、類似データ検索部１２４が算出した推定ＫＰＩに対するベースラインの算出、または統計モデル作成部１２９が算出した推定ＫＰＩに対するベースラインの算出のいずれのベースラインの算出方法を行うかを判定する。ここで、例えば、類似データ検索部１２４から出力された検索結果Ｒｓ１の中に、類似している改善施策を行う前の前処理データＤｐがｍ個（ｍ＝自然数、正の整数、ｍ≦ｎ）含まれており、予め定めた個数の閾値がＴｈ個（Ｔｈ＝自然数、正の整数）であった場合を考える。このとき、類似している改善施策を行う前の前処理データＤｐの個数ｍが、閾値の個数Ｔｈ以上である場合、算出方法判定部１２８は、検索結果Ｒｓ１の中に、類似している改善施策を行う前の前処理データＤｐが十分に含まれていると判定する。一方、類似している改善施策を行う前の前処理データＤｐの個数ｍが、閾値の個数Ｔｈよりも少ない場合、算出方法判定部１２８は、検索結果Ｒｓ１の中に、類似している改善施策を行う前の前処理データＤｐが十分に含まれていないと判定する。
なお、閾値の個数Ｔｈは、ユーザーによって指定することができる構成であってもよい。この場合、ユーザーは、操業改善効果算出装置１２によって最低限の改善効果を評価する際の精度を考慮して、推定ＫＰＩに対するベースラインの算出に必要な個数を、閾値の個数Ｔｈとして指定することが考えられる。
ステップＳ２３１の判定の結果、検索結果Ｒｓ１の中に類似している改善施策を行う前の前処理データＤｐが十分に含まれている場合（ステップＳ２３１の“ＹＥＳ”）、算出方法判定部１２８は、類似データ検索部１２４が算出した推定ＫＰＩに対してベースラインを算出すると判定する。そして、算出方法判定部１２８は、類似データ検索部１２４が算出した推定ＫＰＩに対してベースラインを算出すると判定したことを表す判定結果を、統計モデル作成部１２９、信頼区間算出部１２５、およびベースライン算出部１２６のそれぞれに出力すると共に、検索結果Ｒｓ２を、信頼区間算出部１２５およびベースライン算出部１２６のそれぞれに出力する。ここで、例えば、類似データ検索部１２４から出力された検索結果Ｒｓ１の中に、類似している改善施策を行う前の前処理データＤｐがｍ個含まれていた場合を考える。この場合、算出方法判定部１２８は、少なくともｍ個の類似している改善施策を行う前の前処理データＤｐが含まれる検索結果Ｒｓ２を、信頼区間算出部１２５およびベースライン算出部１２６のそれぞれに出力する。その後、操業改善効果算出装置１２は、処理をステップＳ１４０に進める。
一方、ステップＳ２３１の判定の結果、検索結果Ｒｓ１の中に類似している改善施策を行う前の前処理データＤｐが十分に含まれていない場合（ステップＳ２３１の“ＮＯ”）、算出方法判定部１２８は、統計モデル作成部１２９が算出した推定ＫＰＩに対してベースラインを算出すると判定する。そして、算出方法判定部１２８は、統計モデル作成部１２９が算出した推定ＫＰＩに対してベースラインを算出すると判定したことを表す判定結果を、統計モデル作成部１２９、信頼区間算出部１２５、およびベースライン算出部１２６のそれぞれに出力する。このとき、算出方法判定部１２８は、検索結果Ｒｓ２を、信頼区間算出部１２５およびベースライン算出部１２６のそれぞれに出力しなくてもよい。その後、操業改善効果算出装置１２は、処理をステップＳ２３２に進める。
この場合、統計モデル作成部１２９は、前処理部１０３から出力された前処理データＤｐに含まれる、検索対象期間内の改善施策を行う前の前処理データＤｐに基づいて、統計モデルを作成する（ステップＳ２３２）。ここで、統計モデル作成部１２９は、例えば、ＰＬＳ回帰を用いて統計モデルとして作成する。
続いて、統計モデル作成部１２９は、実績ＫＰＩと推定ＫＰＩとのそれぞれを算出する（ステップＳ２３３）。ここで、統計モデル作成部１２９は、前処理部１０３から出力された前処理データＤｐに含まれる、評価期間内の評価対象時刻の改善施策を行った後の前処理データＤｐに基づいて、実績ＫＰＩを算出する。また、統計モデル作成部１２９は、ステップＳＳ２３２の処理において作成した統計モデル（回帰係数）を用いて、算出した実績ＫＰＩに対応する推定ＫＰＩを算出（推定）する。そして、統計モデル作成部１２９は、算出したそれぞれの評価対象時刻の実績ＫＰＩと、それぞれの評価対象時刻の実績ＫＰＩに対応するそれぞれの推定ＫＰＩと、ステップＳ２３２の処理において統計モデルの作成に用いた検索対象期間内の改善施策を行う前の前処理データＤｐとを含む推定結果Ｒｅを、信頼区間算出部１２５およびベースライン算出部１２６のそれぞれに出力する。
続いて、信頼区間算出部１２５は、算出方法判定部１２８から出力されたベースラインを算出する方法の判定結果に応じて、信頼区間を求める（ステップＳ２４０）。ここで、算出方法判定部１２８から類似データ検索部１２４が算出した推定ＫＰＩに対してベースラインを算出すると判定したことを表す判定結果が出力された場合には、信頼区間算出部１２５は、ステップＳ２４０の処理において、処理受け付け部１０１から出力された信頼区間パラメータＰｃに基づいて、算出方法判定部１２８から出力された検索結果Ｒｓ２に含まれる推定ＫＰＩの信頼区間を求める。一方、算出方法判定部１２８から統計モデル作成部１２９が算出した推定ＫＰＩに対してベースラインを算出すると判定したことを表す判定結果が出力された場合には、信頼区間算出部１２５は、ステップＳ２４０の処理において、統計モデル作成部１２９から出力された推定結果Ｒｅに含まれる推定ＫＰＩの信頼区間を求める。そして、信頼区間算出部１２５は、求めた信頼区間の上限の幅の情報と、信頼区間の下限の幅の情報とを含む信頼区間情報Ｉｃを、ベースライン算出部１２６に出力する。
続いて、ベースライン算出部１２６は、算出方法判定部１２８から出力されたベースラインを算出する方法の判定結果に応じて、信頼区間算出部１２５から出力された信頼区間情報Ｉｃに基づいて、操業改善効果を算出するためのベースラインを算出する（ステップＳ２５０）。ここで、算出方法判定部１２８から類似データ検索部１２４が算出した推定ＫＰＩに対してベースラインを算出すると判定したことを表す判定結果が出力された場合には、ベースライン算出部１２６は、ステップＳ２５０の処理において、算出方法判定部１２８から出力された検索結果Ｒｓ２に含まれる推定ＫＰＩに対応するベースラインを算出する。一方、算出方法判定部１２８から統計モデル作成部１２９が算出した推定ＫＰＩに対してベースラインを算出すると判定したことを表す判定結果が出力された場合には、ベースライン算出部１２６は、ステップＳ２５０の処理において、統計モデル作成部１２９から出力された推定結果Ｒｅに含まれる推定ＫＰＩに対応するベースラインを算出する。そして、ベースライン算出部１２６は、算出方法判定部１２８から出力されたベースラインを算出する方法の判定結果に応じて、算出方法判定部１２８から出力された検索結果Ｒｓ２、または統計モデル作成部１２９から出力された推定結果Ｒｅに含まれる少なくとも実績ＫＰＩおよび推定ＫＰＩと、算出したベースラインのデータとのそれぞれを、操業改善効果算出部１０７に出力する。
続いて、操業改善効果算出部１０７は、ステップＳ１６０の処理において、ベースライン算出部１２６から出力された検索結果Ｒｓまたは推定結果Ｒｅと、ベースラインのデータとに基づいて、それぞれの評価対象時刻ごとに操業改善効果を算出し、算出したそれぞれの評価対象時刻の操業改善効果を明示するための画像データを生成して、操業改善効果データＤｅとして表示装置５０に出力する。これにより、表示装置５０は、ステップＳ１７０の処理において、操業改善効果算出部１０７から出力された操業改善効果データＤｅの画像を表示する。
このような構成および処理手順によって、第２の実施形態の操業改善効果算出装置１２でも、第１の実施形態の操業改善効果算出装置１０と同様に、ユーザーによって指定された検索対象期間と評価期間とに含まれるプラント運転データおよび気象データを用いて、ユーザーによって指定された条件でプラントにおいて行った改善施策の効果（操業改善効果）を評価する。このとき、第２の実施形態の操業改善効果算出装置１２でも、第１の実施形態の操業改善効果算出装置１０と同様に、改善施策を行った後のプラント運転データに類似する、改善施策を行う前のプラント運転データを複数検索する。そして、第２の実施形態の操業改善効果算出装置１２では、改善施策を行った後のプラント運転データに十分に類似している改善施策を行う前のプラント運転データが十分に検索された場合には、検索された改善施策を行う前のプラント運転データから算出した推定ＫＰＩとベースラインとから、改善施策を行ったことによって得られた最低限の改善効果（操業改善効果）を算出する。これにより、第２の実施形態の操業改善効果算出装置１２でも、第１の実施形態の操業改善効果算出装置１０と同様に、操業改善効果算出装置１２が適用されたプラントが、化学プラントや微生物プラントなど、統計モデルや特性式を作成することによって明確に表すことが困難なプラントであっても、改善効果（操業改善効果）を評価することができる。
また、第２の実施形態の操業改善効果算出装置１２では、改善施策を行った後のプラント運転データに十分に類似している改善施策を行う前のプラント運転データが十分に検索されなかった場合には、統計モデルを作成し、作成した統計モデルを用いて算出（推定）した推定ＫＰＩとベースラインとから、改善施策を行ったことによって得られた最低限の改善効果（操業改善効果）を算出する。つまり、第２の実施形態の操業改善効果算出装置１２では、十分に類似していない（類似度が低い）改善施策を行う前のプラント運転データを用いるよりも、統計モデルを作成した方がよいと考えられる場合には、統計モデルを用いて、改善施策を行ったことによって得られた最低限の改善効果（操業改善効果）を算出（推定）する。これにより、第２の実施形態の操業改善効果算出装置１２では、改善施策を行う前のプラント運転が、改善施策を行った後のプラント運転と同様の運転を行っていなかった場合などにおいても、改善効果（操業改善効果）を評価することができる。
そして、第２の実施形態の操業改善効果算出装置１２でも、第１の実施形態の操業改善効果算出装置１０と同様に、評価した改善施策の効果（操業改善効果）をユーザーに提示する。これにより、第２の実施形態の操業改善効果算出装置１２を利用するユーザーは、改善施策を行う前に蓄積されたプラント運転データに応じた最適な方法で、プラントにおいて改善施策を行うことによって得られた改善効果を確認することができる。
ここで、本発明の実施形態の操業改善効果算出装置をプラントにおいて利用する場合の一例について説明する。図６は、本発明の実施形態の操業改善効果算出装置を利用するプラントにおける構成の一例を示した図である。図６には、設備１１０Ａ、設備１１０Ｂ、および設備１１０Ｃの３つの設備が配置され、分散制御システム（Ｄｉｓｔｒｉｂｕｔｅｄ Ｃｏｎｔｒｏｌ Ｓｙｓｔｅｍ：ＤＣＳ）などの制御システム１２０が、プラント１００内に構築された専用のネットワーク１３０を介してそれぞれの設備の運転の監視や制御を行う構成のプラント１００の一例を示している。プラント１００では、制御システム１２０が監視した設備の運転状況や設備の制御内容のデータが、専用のネットワーク１３０に接続されたプラント運転データベース２０に蓄積されている。
このような構成のプラント１００において本発明の実施形態の操業改善効果算出装置を利用する場合、操業改善効果算出装置は、例えば、専用のネットワーク１３０に接続される。図６には、第１の実施形態の操業改善効果算出装置１０が、専用のネットワーク１３０に接続されて利用される場合を示している。なお、プラント１００では、操業改善効果算出装置１０の代わりに第２の実施形態の操業改善効果算出装置１２を専用のネットワーク１３０に接続することによって、同様に操業改善効果算出装置１２を利用することができる。
このような構成のプラント１００において、操業改善効果算出装置１０は、プラント運転データベース２０から専用のネットワーク１３０を介して、ユーザーによって指定された検索対象期間と評価期間とに含まれるプラント運転データを取得する。なお、操業改善効果算出装置１０は、気象データベース３０からネットワーク４０を介して、ユーザーによって指定された検索対象期間と評価期間とに含まれる気象データを取得する。そして、上述したように、操業改善効果算出装置１０は、プラント運転データおよび気象データを用いて、ユーザーによって指定された条件でプラントにおいて行った改善施策の効果（操業改善効果）を評価してユーザーに提示する。これにより、操業改善効果算出装置１０を利用するユーザーは、プラント１００において改善施策を行うことによって得られた最低限の改善効果（操業改善効果）を確認することができる。
上記に述べたとおり、本発明を実施するための形態によれば、操業改善効果算出装置は、ユーザーによって指定された検索対象期間と評価期間とに含まれるプラントの運転に関する過去から現在までの種々のデータ（プラント運転データ）や、プラントの運転に影響を及ぼす外的要因として考えることができる気象に関するデータ（気象データ）を用いて、ユーザーによって指定された条件でプラントにおいて行った改善施策の効果（操業改善効果）を評価する。このとき、本発明を実施するための形態では、操業改善効果算出装置が、改善施策を行った後のプラント運転データに類似する、改善施策を行う前のプラント運転データを複数検索して、推定ＫＰＩとベースラインとを算出する。そして、本発明を実施するための形態では、操業改善効果算出装置が、算出したベースラインと実績ＫＰＩとから、改善施策を行ったことによって得られた最低限の改善効果（操業改善効果）を算出する。これにより、本発明を実施するための形態では、操業改善効果算出装置が適用されたプラントが、化学プラントや微生物プラントなど、統計モデルや特性式を作成することによって明確に表すことが困難なプラントであっても、改善効果（操業改善効果）を評価して、評価した改善施策の効果（操業改善効果）をユーザーに提示することができる。このことにより、本発明を実施するための形態の操業改善効果算出装置が適用されたプラントにおいて操業改善効果算出装置を利用するユーザーは、プラントにおいて改善施策を行うことによって得られた改善効果を確認することができる。
また、本発明を実施するための形態では、操業改善効果算出装置が、改善施策を行った後のプラント運転データに類似している改善施策を行う前のプラント運転データが十分に検索されたか否かを判定する。言い換えれば、本発明を実施するための形態では、操業改善効果算出装置が、検索した改善施策を行う前のプラント運転データの中に類似度が低いプラント運転データが多く含まれていないかを確認する。そして、本発明を実施するための形態では、操業改善効果算出装置が、改善施策を行った後のプラント運転データに類似している改善施策を行う前のプラント運転データが十分に検索されなかった場合には、統計モデルを作成し、作成した統計モデルを用いて算出（推定）した推定ＫＰＩとベースラインとから、改善施策を行ったことによって得られた最低限の改善効果（操業改善効果）を算出する。つまり、本発明を実施するための形態では、操業改善効果算出装置が、類似度が高いプラント運転データが十分に検索されなかった場合には、改善効果（操業改善効果）を評価する方法を、統計モデルを作成して評価する方法に切り替えてから、改善施策を行ったことによって得られた最低限の改善効果（操業改善効果）を算出する。これにより、本発明を実施するための形態では、操業改善効果算出装置が適用されたプラントにおいて、改善施策を行う前のプラント運転が、改善施策を行った後のプラント運転と同様の運転を十分に行っていなかった場合などにおいても、改善効果（操業改善効果）を評価して、評価した改善施策の効果（操業改善効果）をユーザーに提示することができる。このことにより、本発明を実施するための形態の操業改善効果算出装置が適用されたプラントにおいて操業改善効果算出装置を利用するユーザーは、改善施策を行う前に蓄積されたプラント運転データに応じた最適な方法で、プラントにおいて改善施策を行うことによって得られた改善効果を確認することができる。
なお、本発明を実施するための形態では、操業改善効果算出装置１０や操業改善効果算出装置１２が、ネットワーク４０または専用のネットワーク１３０を介してプラント運転データベース２０からプラント運転データを取得する場合について説明した。しかし、操業改善効果算出装置１０や操業改善効果算出装置１２が改善施策の効果（操業改善効果）を評価するために用いるプラント運転データは、上述したようにプラント運転データベース２０から取得するものに限定されるものではない。例えば、操業改善効果算出装置１０や操業改善効果算出装置１２は、プラントの運転に関する過去から現在までの種々のデータを記録したファイル（例えば、ＣＳＶ形式のファイルなど）を、プラント運転データとして読み込んでもよい。
また、本発明を実施するための形態では、操業改善効果算出装置１０や操業改善効果算出装置１２が、改善施策を行った後のプラント運転データに類似する改善施策を行う前のプラント運転データを検索することによって、改善施策を行ったことによって得られたプラントにおける改善効果（操業改善効果）を評価する場合について説明した。つまり、本発明を実施するための形態では、操業改善効果算出装置１０や操業改善効果算出装置１２が、同じプラントにおいて改善施策を行う前と改善施策を行った後とのプラント運転データを比較することによって、改善施策を行った後に得られた改善効果（操業改善効果）を評価する場合について説明した。しかし、操業改善効果算出装置１０や操業改善効果算出装置１２による評価は、上述したような同じプラントにおいて行った改善施策の前後の比較に限定されるものではない。例えば、操業改善効果算出装置１０や操業改善効果算出装置１２が、改善施策を行う前のプラント運転データの代わりに、同じ種類の別のプラントまたは設備の運転に関するプラント運転データを取得するようにしてもよい。この場合、操業改善効果算出装置１０や操業改善効果算出装置１２は、別のプラントまたは設備における類似したプラント運転データを検索することによって、同じ種類のプラントまたは設備同士で、どちらのプラントまたは設備の操業の方がより効率的であるかなどを比較する評価を行うことができる。より具体的には、図６に示した、操業改善効果算出装置１０や操業改善効果算出装置１２を利用するプラント１００において、設備１１０Ａと設備１１０Ｂとが同じ種類の設備である場合、操業改善効果算出装置１０や操業改善効果算出装置１２は、設備１１０Ａの過去のプラント運転データの代わりに、設備１１０Ｂの現在のプラント運転データを取得するようにしてもよい。この場合、図６に示したプラント１００では、操業改善効果算出装置１０や操業改善効果算出装置１２は、設備１１０Ａの現在のプラント運転データに類似した設備１１０Ｂの現在のプラント運転データを検索することによって、設備１１０Ａと設備１１０Ｂとのいずれの設備の操業の方がより効率的であるかなどを比較する評価を行うことができる。
また、本発明を実施するための形態では、操業改善効果算出装置１０や操業改善効果算出装置１２が構成される形態について説明していないが、操業改善効果算出装置１０や操業改善効果算出装置１２は様々な形態で構成することができる。例えば、操業改善効果算出装置１０や操業改善効果算出装置１２は、ユーザーが使用するパーソナルコンピュータ（Ｐｅｒｓｏｎａｌ Ｃｏｍｐｕｔｅｒ：ＰＣ）や、携帯情報端末（Ｐｅｒｓｏｎａｌ Ｄｉｇｉｔａｌ Ａｓｓｉｓｔａｎｔ：ＰＤＡ）の機能を備えた、いわゆる、タブレット端末などの携帯端末機器内に構成されてもよい。また、例えば、操業改善効果算出装置１０や操業改善効果算出装置１２は、プラント内に配置された分散制御システムやサーバ装置内に構成されてもよい。これらの場合、操業改善効果算出装置１０や操業改善効果算出装置１２の機能や、操業改善効果算出装置１０や操業改善効果算出装置１２を構成するそれぞれの構成要素の機能は、パーソナルコンピュータ上、携帯情報端末上、分散制御システム上、サーバ装置上で、操業改善効果算出プログラムのソフトウェアを実行することによっても実現されてもよい。また、操業改善効果算出プログラムのソフトウェアを実行するパーソナルコンピュータやサーバ装置は、クラウドコンピューティングシステムに組み込まれたものであってもよい。
なお、例えば、操業改善効果算出装置１０に備えた前処理部１０３、類似データ検索部１０４（操業改善効果算出装置１２に備えた類似データ検索部１２４も含む）、信頼区間算出部１０５（操業改善効果算出装置１２に備えた信頼区間算出部１２５も含む）、ベースライン算出部１０６（操業改善効果算出装置１２に備えたベースライン算出部１２６も含む）、操業改善効果算出部１０７や、操業改善効果算出装置１２に備えた算出方法判定部１２８、統計モデル作成部１２９など、操業改善効果算出装置の機能を実現するための各構成要素による処理（操業改善効果算出方法）を実現するためのプログラムを、コンピュータ読み取り可能な記録媒体に記録して、当該記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、実行することにより、本実施形態の操業改善効果算出装置に係る上述した種々の処理を行ってもよい。なお、ここでいう「コンピュータシステム」とは、ＯＳや周辺機器等のハードウェアを含むものであってもよい。また、「コンピュータシステム」は、ＷＷＷシステムを利用している場合であれば、ホームページ提供環境（あるいは表示環境）も含むものとする。また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ＲＯＭ、フラッシュメモリ等の書き込み可能な不揮発性メモリ、ＣＤ−ＲＯＭ等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置のことをいう。
さらに「コンピュータ読み取り可能な記録媒体」とは、インターネット等のネットワークや電話回線等の通信回線を介してプログラムが送信された場合のサーバやクライアントとなるコンピュータシステム内部の揮発性メモリ（例えばＤＲＡＭ（Ｄｙｎａｍｉｃ Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ））のように、一定時間プログラムを保持しているものも含むものとする。また、上記プログラムは、このプログラムを記憶装置等に格納したコンピュータシステムから、伝送媒体を介して、あるいは、伝送媒体中の伝送波により他のコンピュータシステムに伝送されてもよい。ここで、プログラムを伝送する「伝送媒体」は、インターネット等のネットワーク（通信網）や電話回線等の通信回線（通信線）のように情報を伝送する機能を有する媒体のことをいう。また、上記プログラムは、前述した機能の一部を実現するためのものであってもよい。さらに、前述した機能をコンピュータシステムにすでに記録されているプログラムとの組み合わせで実現するもの、いわゆる差分ファイル（差分プログラム）であってもよい。
以上、本発明の実施形態について、図面を参照して説明してきたが、具体的な構成はこの実施形態に限定されるものではなく、本発明の趣旨を逸脱しない範囲においての種々の変更も含まれる。
１０・・・操業改善効果算出装置
１０１・・・処理受け付け部（操業改善効果算出装置）
１０２・・・データ取得部（操業改善効果算出装置）
１０３・・・前処理部（操業改善効果算出装置）
１０４，１２４・・・類似データ検索部（操業改善効果算出装置，類似データ検索部）
１０５，１２５・・・信頼区間算出部（操業改善効果算出装置，信頼区間算出部）
１０６，１２６・・・ベースライン算出部（操業改善効果算出装置，ベースライン算出部）
１０７・・・操業改善効果算出部（操業改善効果算出装置，評価算出部）
１２８・・・算出方法判定部（操業改善効果算出装置，判定部）
１２９・・・統計モデル作成部（操業改善効果算出装置，統計モデル作成部）
２０・・・プラント運転データベース
３０・・・気象データベース
４０・・・ネットワーク
５０・・・表示装置（操業改善効果算出装置）
１００・・・プラント
１１０Ａ，１１０Ｂ，１１０Ｃ・・・設備
１２０・・・制御システム
１３０・・・ネットワーク
Ｉｐ・・・期間情報
Ｄｒ・・・元データ（プラント運転データ）
Ｄｐ・・・前処理データ（プラント運転データ）
Ｐｓ・・・検索パラメータ
Ｒｓ，ＲＳ１，ＲＳ２・・・検索結果（実績評価指標，推定評価指標）
Ｐｃ・・・信頼区間パラメータ
Ｉｃ・・・信頼区間情報
Ｄｅ・・・操業改善効果データ（評価結果）
Ｒｅ・・・推定結果（第２の実績評価指標，第２の推定評価指標）

Claims (7)

  1. 入力されたプラントの運転に関するプラント運転データの中から、評価対象の前記プラント運転データを評価対象プラント運転データとし、前記評価対象プラント運転データが表す前記プラントの運転に類似している前記プラント運転データを比較対象プラント運転データとして複数検索し、前記評価対象プラント運転データに基づいた実績評価指標と、それぞれの前記比較対象プラント運転データに基づいた推定評価指標とを算出する類似データ検索部と、
    それぞれの前記比較対象プラント運転データに基づいて信頼区間を算出する信頼区間算出部と、
    前記信頼区間に基づいて、前記実績評価指標と前記推定評価指標とを比較する際に基準とする、前記推定評価指標に対応したベースラインを算出するベースライン算出部と、
    前記実績評価指標と前記ベースラインとに基づいて、前記プラントに対する評価結果を算出する評価算出部と、
    を備え、
    前記信頼区間算出部は、
    前記比較対象プラント運転データのそれぞれに対応する信頼区間算出用評価指標を算出し、算出したそれぞれの前記信頼区間算出用評価指標の前記信頼区間を算出し、
    前記信頼区間の上限の値と前記推定評価指標との差を前記信頼区間の上限の幅とし、
    前記信頼区間の下限の値と前記推定評価指標との差を前記信頼区間の下限の幅とし、
    前記ベースライン算出部は、
    前記実績評価指標が表す前記プラントにおける評価指標に応じて、前記推定評価指標に前記上限の幅または前記下限の幅を適用した前記ベースラインを算出する、
    ことを特徴とする操業改善効果算出装置。
  2. 前記類似データ検索部は、
    前記評価対象プラント運転データと、前記プラント運転データのそれぞれのとの距離に基づいて、指定された個数分の前記比較対象プラント運転データを検索し、
    それぞれの前記比較対象プラント運転データの評価指標を平均した平均評価指標を、前記推定評価指標とする、
    ことを特徴とする請求項１に記載の操業改善効果算出装置。
  3. 前記評価算出部は、
    前記実績評価指標と前記ベースラインとの差を前記評価結果として算出する、
    ことを特徴とする請求項１または請求項２に記載の操業改善効果算出装置。
  4. 入力された前記プラント運転データに基づいて、前記プラントの運転を表す統計モデルを作成し、前記評価対象プラント運転データに基づいて、前記実績評価指標と同様の第２の実績評価指標と、前記統計モデルを用いて、前記第２の実績評価指標に対応する第２の推定評価指標とを算出する統計モデル作成部と、
    それぞれの前記比較対象プラント運転データにおける前記評価対象プラント運転データに対する類似度に基づいて、前記評価対象プラント運転データに類似している前記比較対象プラント運転データが十分な個数検索されたか否かを判定し、判定結果を出力する判定部と、
    をさらに備え、
    前記信頼区間算出部は、
    前記判定結果に応じて、前記信頼区間の代わりに第２の信頼区間を算出し、
    前記ベースライン算出部は、
    前記判定結果に応じて、前記ベースラインの代わりに、前記第２の信頼区間に基づいて、前記第２の実績評価指標と前記第２の推定評価指標とを比較する際に基準とする、前記第２の推定評価指標に対応した第２のベースラインを算出し、
    前記評価算出部は、
    前記第２の実績評価指標と前記第２のベースラインとに基づいて算出した第２の評価結果を、前記評価結果とし、
    前記信頼区間算出部は、
    前記判定結果が、前記評価対象プラント運転データに類似している前記比較対象プラント運転データが十分な個数検索されていないことを表している場合に、前記統計モデルの作成に用いた前記プラント運転データと前記第２の推定評価指標とに基づいて、前記第２の実績評価指標と前記第２の推定評価指標との差を推定誤差量として算出し、前記推定誤差量の信頼区間を前記第２の信頼区間として算出し、
    前記第２の信頼区間の上限の値を前記第２の信頼区間の第２の上限の幅とし、
    前記第２の信頼区間の下限の値を前記第２の信頼区間の第２の下限の幅とし、
    前記ベースライン算出部は、
    前記判定結果が、前記評価対象プラント運転データに類似している前記比較対象プラント運転データが十分な個数検索されていないことを表している場合に、前記第２の実績評価指標が表す前記プラントにおける評価指標に応じて、前記第２の推定評価指標に前記第２の上限の幅または前記第２の下限の幅を適用した前記ベースラインを前記第２のベースラインとして算出する、
    ことを特徴とする請求項１から請求項３のいずれか一項に記載の操業改善効果算出装置。
  5. 類似データ検索部が、入力されたプラントの運転に関するプラント運転データの中から、評価対象の前記プラント運転データを評価対象プラント運転データとし、前記評価対象プラント運転データが表す前記プラントの運転に類似している前記プラント運転データを比較対象プラント運転データとして複数検索し、前記評価対象プラント運転データに基づいた実績評価指標と、それぞれの前記比較対象プラント運転データに基づいた推定評価指標とを算出する類似データ検索ステップと、
    信頼区間算出部が、それぞれの前記比較対象プラント運転データに基づいて信頼区間を算出する信頼区間算出ステップと、
    ベースライン算出部が、前記信頼区間に基づいて、前記実績評価指標と前記推定評価指標とを比較する際に基準とする、前記推定評価指標に対応したベースラインを算出するベースライン算出ステップと、
    評価算出部が、前記実績評価指標と前記ベースラインとに基づいて、前記プラントに対する評価結果を算出する評価算出ステップと、
    を含み、
    前記信頼区間算出ステップは、
    前記比較対象プラント運転データのそれぞれに対応する信頼区間算出用評価指標を算出し、算出したそれぞれの前記信頼区間算出用評価指標の前記信頼区間を算出し、
    前記信頼区間の上限の値と前記推定評価指標との差を前記信頼区間の上限の幅とし、
    前記信頼区間の下限の値と前記推定評価指標との差を前記信頼区間の下限の幅とし、
    前記ベースライン算出ステップは、
    前記実績評価指標が表す前記プラントにおける評価指標に応じて、前記推定評価指標に前記上限の幅または前記下限の幅を適用した前記ベースラインを算出する、
    ことを特徴とする操業改善効果算出方法。
  6. 入力されたプラントの運転に関するプラント運転データの中から、評価対象の前記プラント運転データを評価対象プラント運転データとし、前記評価対象プラント運転データが表す前記プラントの運転に類似している前記プラント運転データを比較対象プラント運転データとして複数検索し、前記評価対象プラント運転データに基づいた実績評価指標と、それぞれの前記比較対象プラント運転データに基づいた推定評価指標とを算出する類似データ検索処理と、
    それぞれの前記比較対象プラント運転データに基づいて信頼区間を算出する信頼区間算出処理と、
    前記信頼区間に基づいて、前記実績評価指標と前記推定評価指標とを比較する際に基準とする、前記推定評価指標に対応したベースラインを算出するベースライン算出処理と、
    前記実績評価指標と前記ベースラインとに基づいて、前記プラントに対する評価結果を算出する評価算出処理と、
    をコンピュータに実行させ、
    前記信頼区間算出処理は、
    前記比較対象プラント運転データのそれぞれに対応する信頼区間算出用評価指標を算出し、算出したそれぞれの前記信頼区間算出用評価指標の前記信頼区間を算出し、
    前記信頼区間の上限の値と前記推定評価指標との差を前記信頼区間の上限の幅とし、
    前記信頼区間の下限の値と前記推定評価指標との差を前記信頼区間の下限の幅とし、
    前記ベースライン算出処理は、
    前記実績評価指標が表す前記プラントにおける評価指標に応じて、前記推定評価指標に前記上限の幅または前記下限の幅を適用した前記ベースラインを算出する、
    操業改善効果算出プログラム。
  7. 請求項６に記載の操業改善効果算出プログラムを記録したコンピュータ読み取り可能な記録媒体。
JP2017227129A 2017-11-27 2017-11-27 操業改善効果算出装置、操業改善効果算出方法、操業改善効果算出プログラム、および記録媒体 Active JP6773012B2 (ja)

Priority Applications (4)

Application Number Priority Date Filing Date Title
JP2017227129A JP6773012B2 (ja) 2017-11-27 2017-11-27 操業改善効果算出装置、操業改善効果算出方法、操業改善効果算出プログラム、および記録媒体
US16/198,501 US20190164102A1 (en) 2017-11-27 2018-11-21 Operational improvement effect calculation device, operational improvement effect calculation method and recording medium
EP18208196.8A EP3495905A3 (en) 2017-11-27 2018-11-26 Operational improvement effect calculation device, operational improvement effect calculation method and recording medium
CN201811423949.7A CN109840671B (zh) 2017-11-27 2018-11-27 运行改进效果计算设备、运行改进效果计算方法和记录介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2017227129A JP6773012B2 (ja) 2017-11-27 2017-11-27 操業改善効果算出装置、操業改善効果算出方法、操業改善効果算出プログラム、および記録媒体

Publications (2)

Publication Number Publication Date
JP2019096227A JP2019096227A (ja) 2019-06-20
JP6773012B2 true JP6773012B2 (ja) 2020-10-21

Family

ID=64572084

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2017227129A Active JP6773012B2 (ja) 2017-11-27 2017-11-27 操業改善効果算出装置、操業改善効果算出方法、操業改善効果算出プログラム、および記録媒体

Country Status (4)

Country Link
US (1) US20190164102A1 (ja)
EP (1) EP3495905A3 (ja)
JP (1) JP6773012B2 (ja)
CN (1) CN109840671B (ja)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7364382B2 (ja) * 2019-07-19 2023-10-18 三菱重工業株式会社 運転比較装置、運転比較方法およびプログラム
JP7359608B2 (ja) 2019-09-12 2023-10-11 アズビル株式会社 情報提示装置、情報提示方法、および情報提示システム
JP7181849B2 (ja) * 2019-10-31 2022-12-01 横河電機株式会社 装置、方法およびプログラム
JP7470608B2 (ja) 2020-09-23 2024-04-18 株式会社日立製作所 作業改善支援装置、作業改善支援システム
JP2022169825A (ja) * 2021-04-28 2022-11-10 横河電機株式会社 評価装置、評価方法、評価プログラム、制御装置、および、制御プログラム

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AU4733601A (en) * 2000-03-10 2001-09-24 Cyrano Sciences Inc Control for an industrial process using one or more multidimensional variables
US8014880B2 (en) * 2006-09-29 2011-09-06 Fisher-Rosemount Systems, Inc. On-line multivariate analysis in a distributed process control system
JP5501893B2 (ja) 2010-08-06 2014-05-28 三菱電機株式会社 プラント運転評価装置
DE112011103293T5 (de) * 2010-10-01 2013-07-11 Abb Research Ltd. Verfahren und System zum Energiebenchmark für Lückenanalysen für eine Fabrik der Papierindustrie
US10789561B2 (en) * 2011-11-21 2020-09-29 Hewlett-Packard Development Company, L.P. Recommending production plans
US9390388B2 (en) * 2012-05-31 2016-07-12 Johnson Controls Technology Company Systems and methods for measuring and verifying energy usage in a building
US20150184549A1 (en) * 2013-12-31 2015-07-02 General Electric Company Methods and systems for enhancing control of power plant generating units
WO2015123492A2 (en) * 2014-02-13 2015-08-20 The Cleveland Clinic Foundation Predicting and mitigating risk of ectasia and optimizing therapeutic outcomes
EP3149667A1 (en) * 2014-05-28 2017-04-05 Siemens Schweiz AG System and method for fault analysis and prioritization
US10287988B2 (en) * 2015-03-27 2019-05-14 General Electric Company Methods and systems for enhancing operation of power plant generating units and systems
JP2017118795A (ja) 2015-12-25 2017-06-29 株式会社東芝 電力管理装置、電力管理プログラム、及び電力管理方法
US10636007B2 (en) * 2017-05-15 2020-04-28 Tata Consultancy Services Limited Method and system for data-based optimization of performance indicators in process and manufacturing industries

Also Published As

Publication number Publication date
EP3495905A3 (en) 2019-07-03
CN109840671A (zh) 2019-06-04
US20190164102A1 (en) 2019-05-30
CN109840671B (zh) 2023-12-05
JP2019096227A (ja) 2019-06-20
EP3495905A2 (en) 2019-06-12

Similar Documents

Publication Publication Date Title
JP6773012B2 (ja) 操業改善効果算出装置、操業改善効果算出方法、操業改善効果算出プログラム、および記録媒体
US10990067B2 (en) Computer system and method for the dynamic construction and online deployment of an operation-centric first-principles process model for predictive analytics
CN110008301B (zh) 基于机器学习的区域性地质灾害易发性预测方法及装置
JP2023017888A (ja) 根本的原因分析を実行してプラントワイド操業での希少イベントの発生の予測モデルを構築するコンピュータシステムおよび方法
Yaffee et al. An introduction to time series analysis and forecasting: with applications of SAS® and SPSS®
US20190227504A1 (en) Computer System And Method For Monitoring Key Performance Indicators (KPIs) Online Using Time Series Pattern Model
CN107430398A (zh) 用于调谐工艺模型的系统和方法
CN112101480A (zh) 一种多变量聚类与融合的时间序列组合预测方法
CN101436057A (zh) 数控机床热误差贝叶斯网络补偿方法
TW202018727A (zh) 整體式學習預測方法與系統
EP3696693A1 (en) Method and apparatus for monitoring state of device in process industry and medium
CN103246702A (zh) 一种基于分段形态表示的工业序列数据缺失的填补方法
CN108984851B (zh) 一种带时延估计的加权高斯模型软测量建模方法
Nieto A coincident index for the state of the economy
CN116384843B (zh) 数字能源氮气站的能效评估模型训练方法及其监测方法
JP7097263B2 (ja) プラントデータ解析システム
JP4777941B2 (ja) 需要予測方法および装置
Hannonen Predicting urban land prices: A comparison of four approaches
CN115409267A (zh) 一种数据处理方法、装置及存储介质
CN115203905A (zh) 一种融合专家经验及智能算法的设备健康评估方法
CN116415129A (zh) 用于评估造纸机的刮刀的健康状态的方法、装置和计算设备
Tao et al. A new control chart based on the loess smooth applied to information system quality performance
Maggino et al. New tools for the construction of ranking and evaluation indicators in multidimensional systems of ordinal variables
Keskin et al. Data mining process for integrated evaporation model
CN110032780A (zh) 基于机器学习的工业装置能耗基准值计算方法和系统

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20190416

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20200318

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20200327

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20200519

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: 20200901

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20200914

R150 Certificate of patent or registration of utility model

Ref document number: 6773012

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250