JP7005255B2 - 評価システム、評価方法及びプログラム - Google Patents
評価システム、評価方法及びプログラム Download PDFInfo
- Publication number
- JP7005255B2 JP7005255B2 JP2017189590A JP2017189590A JP7005255B2 JP 7005255 B2 JP7005255 B2 JP 7005255B2 JP 2017189590 A JP2017189590 A JP 2017189590A JP 2017189590 A JP2017189590 A JP 2017189590A JP 7005255 B2 JP7005255 B2 JP 7005255B2
- Authority
- JP
- Japan
- Prior art keywords
- evaluation
- data
- information
- time point
- data sets
- 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
Links
- 238000011156 evaluation Methods 0.000 title claims description 372
- 238000013210 evaluation model Methods 0.000 claims description 102
- 230000007704 transition Effects 0.000 claims description 61
- 238000003066 decision tree Methods 0.000 claims description 30
- 238000012544 monitoring process Methods 0.000 claims description 12
- 238000012549 training Methods 0.000 description 25
- 238000000034 method Methods 0.000 description 18
- 238000004458 analytical method Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 230000006872 improvement Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 230000002159 abnormal effect Effects 0.000 description 4
- 230000002950 deficient Effects 0.000 description 4
- 230000005856 abnormality Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011017 operating method Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
Images
Classifications
-
- 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
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
本発明は、評価システム、評価方法及びプログラムに関する。
プラントの運転技術を訓練するための運転訓練シミュレータが提供されている。運転訓練シミュレータの中には、訓練中の操作内容やその操作の結果を模擬したプラント状態等に関する時系列のデータを記録する機能を有するものが存在する（例えば、特許文献１）。
また、ある事象における特徴量の時系列データが与えられた場合、その特徴量の経時的変化を機械学習等により分析し、次に同様の事象に関する新たな事例が与えられたときには、その分析結果を用いて、与えられた事例における特徴量の推移を予測する技術が提供されている（例えば、特許文献２）。
ところで、プラント運転中の操作内容やその結果生じるプラント状態の時系列データを記録していても、記録されたデータを振り返って改善点を把握したり、単純に記録されたデータを集計して操作内容やその結果の傾向を把握したりするといった活用にとどまることが多く、取得した時系列データの十分な活用が行われていないことが多い。
そこでこの発明は、上述の課題を解決することのできる評価システム、評価方法及びプログラムを提供することを目的としている。
本発明の一態様は、所定の事象の推移に関して第１の時系列の各時点において取得した前記事象に関するパラメータの値とその時点の情報を有する第１データセットの各々に対して評価情報が付加された教師データに基づいて、前記第１データセットの各々を、各々に付加された前記評価情報が示す評価に分類する基準を定めた評価モデルを作成する評価モデル作成部と、前記事象の推移に関して第２の時系列の各時点において取得した前記パラメータの値とその時点の情報を有する第２データセットについて、前記各時点の前記第２データセットの各々を前記評価モデルによって評価する評価部と、前記第２データセットの各々に対する評価結果を、時系列に並べて出力する出力部と、を備え、前記出力部は、前記評価結果の推移を前記教師データに付加された前記評価情報の推移とともに出力する評価システムである。
本発明の一態様は、所定の事象の推移に関して第１の時系列の各時点において取得した前記事象に関するパラメータの値とその時点の情報を有する第１データセットの各々に対して評価情報が付加された教師データに基づいて、前記第１データセットの各々を、各々に付加された前記評価情報が示す評価に分類する基準を定めた評価モデルを作成する評価モデル作成部と、前記事象の推移に関して第２の時系列の各時点において取得した前記パラメータの値とその時点の情報を有する第２データセットについて、前記各時点の前記第２データセットの各々を前記評価モデルによって評価する評価部と、前記第２データセットの各々に対する評価結果を、時系列に並べて出力する出力部と、を備え、前記評価モデル作成部は、機器の操作とその操作の結果生じる状態に関する前記第１データセットに対して前記操作に対する評価を前記評価情報として付加した前記教師データに基づいて、前記評価モデルを作成し、前記評価部は、前記機器に対する操作が行われたときに取得された前記第２データセットの各々を評価し、前記出力部は、前記第２データセットに対する前記評価結果とともに、前記機器の操作をするうえで参考となる前記教師データに含まれる前記第１データセットに付加された前記評価情報を時系列に並べて出力する評価システムである。
本発明の一態様によれば上述の評価システムは、前記第２データセットに対する前記評価結果の推移の少なくとも一部と類似する推移を示す前記評価情報が付加された前記第１データセットを含む前記教師データを選択する参考データ選択部、をさらに備え、前記出力部は、前記参考データ選択部が選択した前記教師データの前記第１データセットに付加された前記評価情報を時系列に並べて出力する。
本発明の一態様は、所定の事象の推移に関して第１の時系列の各時点において取得した前記事象に関するパラメータの値とその時点の情報を有する第１データセットの各々に対して評価情報が付加された教師データに基づいて、前記第１データセットの各々を、各々に付加された前記評価情報が示す評価に分類する基準を定めた評価モデルを作成する評価モデル作成部と、前記事象の推移に関して第２の時系列の各時点において取得した前記パラメータの値とその時点の情報を有する第２データセットについて、前記各時点の前記第２データセットの各々を前記評価モデルによって評価する評価部と、前記第２データセットの各々に対する評価結果を、時系列に並べて出力する出力部と、を備え、前記評価モデル作成部は、機器の状態を示す前記第１データセットに対して前記機器の状態に対する評価を前記評価情報として付加した前記教師データに基づいて、前記評価モデルを作成し、前記評価部は、前記機器の状態を示す前記第２データセットの各々を評価し、前記出力部は、前記第２データセットの各々に対する前記評価結果とともに、前記機器の状態を監視するうえで参考となる前記教師データに含まれる前記第１データセットに対する前記評価情報を時系列に並べて出力する。
本発明の一態様における前記評価モデル作成部は、各々の前記第１データセットに対する前記評価情報を葉ノードとする決定木を作成し、前記評価部は、各々の前記第２データセットに前記決定木を適用することによって各々の前記第２データセットに対する前記葉ノードを評価し、前記出力部は、各々の前記第２データセットに対して評価された葉ノードが示す評価情報を出力する。
本発明の一態様は、プラントに発生する所定の事象の推移に関して第１の時系列の各時点において取得した前記事象に関する前記プラントの状態を示すパラメータの値および前記プラントに対して行われた操作を示すパラメータの値とその時点の情報を有する第１データセットの各々に対して前記各時点における前記プラントの状態に対する評価情報が付加された教師データに基づいて、前記第１データセットの各々を、各々に付加された前記評価情報が示す評価に分類する基準を定めた評価モデルを作成する評価モデル作成部と、前記事象の推移に関して第２の時系列の各時点において取得した前記プラントの状態を示すパラメータの値および前記プラントに対して行われた操作を示すパラメータの値とその時点の情報を有する第２データセットについて、前記各時点の前記第２データセットの各々が示す前記プラントの状態を前記評価モデルによって評価する評価部と、前記第２データセットの各々に対する評価結果を、時系列に並べて出力する出力部と、を備える評価システムである。
本発明の一態様は、評価システムによって実行される評価方法であって、所定の事象の推移に関して第１の時系列の各時点において取得した前記事象に関するパラメータの値とその時点の情報を有する第１データセットの各々に対して評価情報が付加された教師データに基づいて、前記第１データセットの各々を、各々に付加された前記評価情報が示す評価に分類する基準を定めた評価モデルを作成するステップと、前記事象の推移に関して第２の時系列の各時点において取得した前記パラメータの値とその時点の情報を有する第２データセットについて、前記第２データセットの各々を前記評価モデルによって評価するステップと、前記第２データセットの各々に対する評価結果を、時系列に並べて出力するステップと、を有し、前記出力するステップでは、前記評価結果の推移を前記教師データに付加された前記評価情報の推移とともに出力する評価方法である。
また、他の態様によれば、前記評価モデルを作成するステップでは、機器の操作とその操作の結果生じる状態に関する前記第１データセットに対して前記操作に対する評価を前記評価情報として付加した前記教師データに基づいて、前記評価モデルを作成し、前記評価するステップでは、前記機器に対する操作が行われたときに取得された前記第２データセットの各々を評価し、前記出力するステップでは、前記第２データセットに対する前記評価結果とともに、前記機器の操作をするうえで参考となる前記教師データに含まれる前記第１データセットに付加された前記評価情報を時系列に並べて出力する評価方法である。
また、他の態様によれば、前記評価モデルを作成するステップでは、機器の状態を示す前記第１データセットに対して前記機器の状態に対する評価を前記評価情報として付加した前記教師データに基づいて、前記評価モデルを作成し、前記評価するステップでは、前記機器の状態を示す前記第２データセットの各々を評価し、前記出力するステップでは、前記第２データセットの各々に対する前記評価結果とともに、前記機器の状態を監視するうえで参考となる前記教師データに含まれる前記第１データセットに対する前記評価情報を時系列に並べて出力する評価方法である。
また、他の態様によれば、前記評価モデルを作成するステップでは、機器の操作とその操作の結果生じる状態に関する前記第１データセットに対して前記操作に対する評価を前記評価情報として付加した前記教師データに基づいて、前記評価モデルを作成し、前記評価するステップでは、前記機器に対する操作が行われたときに取得された前記第２データセットの各々を評価し、前記出力するステップでは、前記第２データセットに対する前記評価結果とともに、前記機器の操作をするうえで参考となる前記教師データに含まれる前記第１データセットに付加された前記評価情報を時系列に並べて出力する評価方法である。
また、他の態様によれば、前記評価モデルを作成するステップでは、機器の状態を示す前記第１データセットに対して前記機器の状態に対する評価を前記評価情報として付加した前記教師データに基づいて、前記評価モデルを作成し、前記評価するステップでは、前記機器の状態を示す前記第２データセットの各々を評価し、前記出力するステップでは、前記第２データセットの各々に対する前記評価結果とともに、前記機器の状態を監視するうえで参考となる前記教師データに含まれる前記第１データセットに対する前記評価情報を時系列に並べて出力する評価方法である。
本発明の一態様は、評価システムのコンピュータを、所定の事象の推移に関して第１の時系列の各時点において取得した前記事象に関するパラメータの値とその時点の情報を有する第１データセットの各々に対して評価情報が付加された教師データに基づいて、前記第１データセットの各々を、各々に付加された前記評価情報が示す評価に分類する基準を定めた評価モデルを作成する手段、前記事象の推移に関して第２の時系列の各時点において取得した前記パラメータの値とその時点の情報を有する第２データセットについて、前記第２データセットの各々を前記評価モデルによって評価する手段、前記第２データセットの各々に対する評価結果を、時系列に並べて出力する手段、として機能させ、前記出力する手段は、前記評価結果の推移を前記教師データに付加された前記評価情報の推移とともに出力するプログラムである。
また、他の態様によれば、前記評価モデルを作成する手段は、機器の操作とその操作の結果生じる状態に関する前記第１データセットに対して前記操作に対する評価を前記評価情報として付加した前記教師データに基づいて、前記評価モデルを作成し、前記評価する手段は、前記機器に対する操作が行われたときに取得された前記第２データセットの各々を評価し、前記出力する手段は、前記第２データセットに対する前記評価結果とともに、前記機器の操作をするうえで参考となる前記教師データに含まれる前記第１データセットに付加された前記評価情報を時系列に並べて出力するプログラムである。
また、他の態様によれば、前記評価モデルを作成する手段は、機器の状態を示す前記第１データセットに対して前記機器の状態に対する評価を前記評価情報として付加した前記教師データに基づいて、前記評価モデルを作成し、前記評価する手段は、前記機器の状態を示す前記第２データセットの各々を評価し、前記出力する手段は、前記第２データセットの各々に対する前記評価結果とともに、前記機器の状態を監視するうえで参考となる前記教師データに含まれる前記第１データセットに対する前記評価情報を時系列に並べて出力するプログラムである。
また、他の態様によれば、前記評価モデルを作成する手段は、機器の操作とその操作の結果生じる状態に関する前記第１データセットに対して前記操作に対する評価を前記評価情報として付加した前記教師データに基づいて、前記評価モデルを作成し、前記評価する手段は、前記機器に対する操作が行われたときに取得された前記第２データセットの各々を評価し、前記出力する手段は、前記第２データセットに対する前記評価結果とともに、前記機器の操作をするうえで参考となる前記教師データに含まれる前記第１データセットに付加された前記評価情報を時系列に並べて出力するプログラムである。
また、他の態様によれば、前記評価モデルを作成する手段は、機器の状態を示す前記第１データセットに対して前記機器の状態に対する評価を前記評価情報として付加した前記教師データに基づいて、前記評価モデルを作成し、前記評価する手段は、前記機器の状態を示す前記第２データセットの各々を評価し、前記出力する手段は、前記第２データセットの各々に対する前記評価結果とともに、前記機器の状態を監視するうえで参考となる前記教師データに含まれる前記第１データセットに対する前記評価情報を時系列に並べて出力するプログラムである。
本発明によれば、時系列データが示す事象の経時的な推移を評価することができる。これにより、例えば、機器やプラントの運転に係る一連の操作のプロセスの評価や、機器やプラントの状態の推移を評価することによる予兆検知などに用いることができる。
＜実施形態＞
以下、本発明の一実施形態による評価システムを図１～図７を参照して説明する。
図１は、本発明の一実施形態における評価システムの一例を示す機能ブロック図である。
図１に示す評価システム１０は、機器やプラント等の操作や監視を行う間に記録したパラメータを用いて、その機器やプラント等に対する操作のプロセスや機器等の状態の推移を評価する目的で使用される。例えば、原子力プラント等の運転員が専用の運転訓練シミュレータ等を用いて行った運転訓練や実際のプラント運転時に行った操作の評価、プラントの運用監視におけるプラントの運転状態の評価等に使用することができる。以下、プラントの運転訓練に対する評価に用いる場合を例に説明を行う。評価システム１０は、１台または複数台のコンピュータで構成される。図示するように評価システム１０は、データ取得部１１と、評価モデル作成部１２と、評価部１３と、評価結果出力部１４と、参考データ選択部１５と、操作受付部１６と、記憶部１７とを備える。
以下、本発明の一実施形態による評価システムを図１～図７を参照して説明する。
図１は、本発明の一実施形態における評価システムの一例を示す機能ブロック図である。
図１に示す評価システム１０は、機器やプラント等の操作や監視を行う間に記録したパラメータを用いて、その機器やプラント等に対する操作のプロセスや機器等の状態の推移を評価する目的で使用される。例えば、原子力プラント等の運転員が専用の運転訓練シミュレータ等を用いて行った運転訓練や実際のプラント運転時に行った操作の評価、プラントの運用監視におけるプラントの運転状態の評価等に使用することができる。以下、プラントの運転訓練に対する評価に用いる場合を例に説明を行う。評価システム１０は、１台または複数台のコンピュータで構成される。図示するように評価システム１０は、データ取得部１１と、評価モデル作成部１２と、評価部１３と、評価結果出力部１４と、参考データ選択部１５と、操作受付部１６と、記憶部１７とを備える。
データ取得部１１は、教師データ、評価データを取得する。教師データおよび評価データとは、プラント等の運転中に記録された複数のパラメータを含む運転データの時系列のデータである。パラメータには、温度、圧力などのプラントパラメータ値とその時刻、出力指令値や弁開度指令値などの制御信号およびその制御信号の出力時刻が含まれる。温度、圧力など同時刻における複数のパラメータからなる一まとまりのデータをデータセットと呼ぶ。評価データには、複数の異なる時刻に記録された時系列のデータセットが含まれる。同様に教師データにも、時系列のデータセットが含まれるが、教師データの場合、各時刻のデータセットに対して所定の評価基準に基づく評価情報を付加されている。
評価モデル作成部１２は、教師データを分析して評価用モデル（例えば、決定木）を作成する。この評価モデルは、教師データの各時刻のデータセットを、そのデータセットに付加された評価情報が示す評価に分類する基準を定めたものである。評価モデルには、各時点のデータセットに対するその時点ごとの評価基準が含まれている。
評価部１３は、評価モデル作成部１２が作成した評価用モデルに基づいて、評価データの各データセットに対する評価を行う。
評価部１３は、評価モデル作成部１２が作成した評価用モデルに基づいて、評価データの各データセットに対する評価を行う。
評価結果出力部１４は、評価部１３による評価データの各データセットに対する評価結果を、各データセットに含まれる時刻の情報に従って時系列に並べて出力する。これにより、評価データが示す事象の経時的な推移を可視化することができる。
参考データ選択部１５は、評価データの各時点のデータセットに対する評価結果の推移のうち少なくとも一部と類似する推移を示す操作が行われたときに記録された教師データを選択する。
参考データ選択部１５は、評価データの各時点のデータセットに対する評価結果の推移のうち少なくとも一部と類似する推移を示す操作が行われたときに記録された教師データを選択する。
操作受付部１６は、ユーザによる評価システム１０への指示操作を受け付ける。指示操作とは、例えば、教師データや評価データの取り込みを指示する操作や、評価データの評価を指示する操作などである。
記憶部１７は、教師データ、評価データ、評価モデルなど、種々の情報を記憶する。
記憶部１７は、教師データ、評価データ、評価モデルなど、種々の情報を記憶する。
次に教師データについて説明する。図２は、本発明の一実施形態における教師データの一例を示す図である。
図２（ａ）に良好データの一例を、図２（ｂ）に不良データの一例を示す。
図２に例示するテーブルの一行分のデータが、教師データにおける１つのデータセットである。図示するように教師データ（決定木作成用データセット）は、「時刻」、「圧力」、「温度」、「弁開度」、「評価情報」の各項目を有している。この教師データは、プラント停止の運転訓練に関するもので、この訓練では、ある場所の温度を所定の速度で所定の温度まで低下させることが要求される。「時刻」には、各パラメータ（圧力、温度、弁開度）の取得時刻が記録される。「圧力」、「温度」にはそれぞれ、運転訓練シミュレータが模擬した圧力、温度の値が記録されている。「弁開度」には、訓練生がプラント停止に係る温度制御のために行ったバルブの開閉操作の結果（例えば、弁開度指令値）が記録される。「評価情報」には、各時刻のデータセット（「評価情報」を除く）が示す値に対する評価情報が記録される。この評価情報は、例えば、プラント停止の指示が行われてから１分後には当該温度をＸ１～Ｘ２℃の範囲に低下させ、次の１分間ではＸ３～Ｘ４℃の範囲に低下させるなど、各時点での要求を定めたマニュアル等に基づいて評価される。あるいは、評価情報は、熟練した運転員が定めた条件によって評価しても良い。さらに要求値どおりの操作についても、より望ましい範囲に温度を制御できた場合には「Ｇｏｏｄ４（非常に良い）」、許容範囲内ぎりぎりの温度を達成した場合には「Ｇｏｏｄ１（改善の余地あり）」など、さらに詳細な評価基準によって分類した評価情報を付加してもよい。同様に許容範囲内に温度を制御できなかった場合についても、達成した温度が許容範囲を少し外れる程度であれば「Ｂａｄ１（やや悪い）」、許容範囲を大きく外れるような場合には「Ｂａｄ４（非常に悪い）」など、不良の程度に応じた評価情報を付加することができる。
図２（ａ）に良好データの一例を、図２（ｂ）に不良データの一例を示す。
図２に例示するテーブルの一行分のデータが、教師データにおける１つのデータセットである。図示するように教師データ（決定木作成用データセット）は、「時刻」、「圧力」、「温度」、「弁開度」、「評価情報」の各項目を有している。この教師データは、プラント停止の運転訓練に関するもので、この訓練では、ある場所の温度を所定の速度で所定の温度まで低下させることが要求される。「時刻」には、各パラメータ（圧力、温度、弁開度）の取得時刻が記録される。「圧力」、「温度」にはそれぞれ、運転訓練シミュレータが模擬した圧力、温度の値が記録されている。「弁開度」には、訓練生がプラント停止に係る温度制御のために行ったバルブの開閉操作の結果（例えば、弁開度指令値）が記録される。「評価情報」には、各時刻のデータセット（「評価情報」を除く）が示す値に対する評価情報が記録される。この評価情報は、例えば、プラント停止の指示が行われてから１分後には当該温度をＸ１～Ｘ２℃の範囲に低下させ、次の１分間ではＸ３～Ｘ４℃の範囲に低下させるなど、各時点での要求を定めたマニュアル等に基づいて評価される。あるいは、評価情報は、熟練した運転員が定めた条件によって評価しても良い。さらに要求値どおりの操作についても、より望ましい範囲に温度を制御できた場合には「Ｇｏｏｄ４（非常に良い）」、許容範囲内ぎりぎりの温度を達成した場合には「Ｇｏｏｄ１（改善の余地あり）」など、さらに詳細な評価基準によって分類した評価情報を付加してもよい。同様に許容範囲内に温度を制御できなかった場合についても、達成した温度が許容範囲を少し外れる程度であれば「Ｂａｄ１（やや悪い）」、許容範囲を大きく外れるような場合には「Ｂａｄ４（非常に悪い）」など、不良の程度に応じた評価情報を付加することができる。
図２（ａ）のデータを参照すると、「Ｇｏｏｄ２」～「Ｇｏｏｄ４」の評価情報が付加されている。これは、少なくとも「１０：１０：００」～「１０：１４：００」の間はこの運転員は、精度良く温度制御を行うことができたことを示している。このように良好な操作を行ったときに記録されたデータを良好データと呼ぶ。一方、図２（ｂ）のデータを参照すると、「１０：１１：００」までは良好な範囲に温度を制御することができたが、それ以降は、許容範囲内に温度制御することに失敗している。このように良好な操作が行えなかったときのデータを不良データと呼ぶ。
なお、図２で例示したパラメータの種類は一例である。「圧力」、「温度」、「弁開度」以外にも、例えば、「湿度」、「外気温」、「流量」、「上流や下流に存在する他のバルブの弁開度」など他のパラメータを採用することが可能である。教師データを作成するユーザは、例えば、熟練した運転員からプラント停止を行う際に参考にするパラメータを聞き出すなどして、教師データのパラメータに採用する。これにより、後に作成する評価用モデルに、熟練者の持つノウハウや暗黙知を反映させることができる。また、これらのパラメータは、訓練の内容（プラント停止、プラント起動など）に合わせて任意に選択することができる。
ユーザは、実機や運転訓練シミュレータを用いた訓練の開始から終了までの間に記録された各時刻のデータセットに対して評価情報を付加して教師データを作成する。教師データは、評価モデルの作成に用いられるデータのため、良好データとして模範となる操作が行われたときのデータセットが含まれていることが望ましい。ユーザは、例えば、熟練した運転員が良好な操作を行ったときに記録されたデータセットを用いて教師データを作成する。作成された教師データは、記憶部１７に蓄積される。
次に評価モデルの一例について説明する。図３は、本発明の一実施形態における評価モデルの一例を示す図である。
評価モデル作成部１２は、図２で例示した教師データを記憶部１７から読み出して、決定木分析等の手法によって評価モデルを作成する。図３に評価モデル作成部１２が作成した評価モデル（決定木）の一例を示す。ここで決定木分析とは、データ分析手法の一つであって、条件定義を繰り返し、定義された条件に沿ってデータを分類していく方法である。決定木分析によって作成された決定木は、木構造を有し、分岐条件となる節ノードと分類結果となる葉ノードを持つ。決定木分析には、一般的なツールを用いることができる。評価モデル作成部１２は、教師データに含まれる各パラメータの値と評価情報に基づいて、各節ノードの条件を算出する。図３の決定木の「条件１」～「条件６」には、「Ｇｏｏｄ１」～「Ｇｏｏｄ４」および「Ｂａｄ１」～「Ｂａｄ４」を分類するための、評価モデル作成部１２によって算出された条件（例えば、「操作開始からＸ分後か？」、「圧力がＸ以上か？」、「温度がＸ～Ｘの範囲か？」、「弁開度がＸ～Ｘの範囲か？」など）が含まれている。決定木は、次に説明する評価データをこの決定木に適用し、根ノードから順に辿ると、「Ｇｏｏｄ１」～「Ｇｏｏｄ４」および「Ｂａｄ１」～「Ｂａｄ４」の何れかの葉ノードに至るよう構成される。
評価モデル作成部１２は、図２で例示した教師データを記憶部１７から読み出して、決定木分析等の手法によって評価モデルを作成する。図３に評価モデル作成部１２が作成した評価モデル（決定木）の一例を示す。ここで決定木分析とは、データ分析手法の一つであって、条件定義を繰り返し、定義された条件に沿ってデータを分類していく方法である。決定木分析によって作成された決定木は、木構造を有し、分岐条件となる節ノードと分類結果となる葉ノードを持つ。決定木分析には、一般的なツールを用いることができる。評価モデル作成部１２は、教師データに含まれる各パラメータの値と評価情報に基づいて、各節ノードの条件を算出する。図３の決定木の「条件１」～「条件６」には、「Ｇｏｏｄ１」～「Ｇｏｏｄ４」および「Ｂａｄ１」～「Ｂａｄ４」を分類するための、評価モデル作成部１２によって算出された条件（例えば、「操作開始からＸ分後か？」、「圧力がＸ以上か？」、「温度がＸ～Ｘの範囲か？」、「弁開度がＸ～Ｘの範囲か？」など）が含まれている。決定木は、次に説明する評価データをこの決定木に適用し、根ノードから順に辿ると、「Ｇｏｏｄ１」～「Ｇｏｏｄ４」および「Ｂａｄ１」～「Ｂａｄ４」の何れかの葉ノードに至るよう構成される。
教師データを作成する際に、従来は着目されていないが、対象の運転操作に関係しそうなパラメータを含めることができるならば、これまで認識されていない暗黙知となっている熟練者の操作手順や操作を行う際の判定基準といった項目を、節ノードの「条件」として形式知化できる可能性がある。これにより、新たな操作手順、判定基準を発見し、その知識を運転員に間で共有することができる。例えば、熟練した運転員は、ある状況下では、現在、制御対象となっていない別のバルブの開度調整を行いながら温度制御を行っているとする。このような場合、教師データのパラメータにそのバルブの弁開度や当該バルブを操作するかどうかを判定する物理量などを追加することができれば、決定木には、別のバルブの弁開度調整が必要な状況かどうかを判定するための「条件」を示した節ノードや、そのような状況下であると判定された場合に当該別のバルブの弁開度に対する要求が満たされたかどうかを判定するための「条件」が示された節ノードが追加される。
なお、本実施形態で決定木分析を用いるのは、評価データを評価する際に、節ノードの「条件１」等によって「Ｇｏｏｄ４」、「Ｂａｄ１」等へ分類（評価）する根拠が示されることによる。特に原子力プラントでは、プラント運用における一つ一つの行動に説明を要求されることが多く、図３の決定木によって運転訓練を行って操作を習得することにより、操作の根拠をこの「条件１」等の内容に求めることができる。
従って、評価モデル作成部１２が評価モデル作成に使用する手法は、決定木に限定されない。時系列データに含まれる各時点におけるデータセットについて、その時系列データが示す事象の経時的な推移を評価することができれば、他の機械学習や深層学習の手法、主成分分析などの各種分析手法を用いて評価モデルを作成することができる。
評価モデル作成部１２によって作成された評価モデルは、記憶部１７に格納される。
従って、評価モデル作成部１２が評価モデル作成に使用する手法は、決定木に限定されない。時系列データに含まれる各時点におけるデータセットについて、その時系列データが示す事象の経時的な推移を評価することができれば、他の機械学習や深層学習の手法、主成分分析などの各種分析手法を用いて評価モデルを作成することができる。
評価モデル作成部１２によって作成された評価モデルは、記憶部１７に格納される。
次に評価データについて説明する。図４は、本発明の一実施形態における評価データの一例を説明する図である。
評価データとは、評価対象の訓練生が運転操作を行ったときに記録された時系列のデータである。評価データは、教師データから評価情報を除いた他の項目を備えている。評価システム１０に入力された評価データは、記憶部１７に格納される。
評価データとは、評価対象の訓練生が運転操作を行ったときに記録された時系列のデータである。評価データは、教師データから評価情報を除いた他の項目を備えている。評価システム１０に入力された評価データは、記憶部１７に格納される。
評価部１３は、評価システム１０に入力された評価データを、評価モデルを用いて評価する。具体的には、評価部１３は、評価データに含まれる各時点のデータセットを一つずつ図３で例示した決定木に適用する。例えば、評価部１３は、図４の時刻「１３：００：００」の圧力「ｘｘｘ」、温度「ｘｘｘ」、弁開度「ｘｘｘ」を記憶部１７から読み出して、このデータセットに対して根ノードの「条件」から順に判定を行う。例えば、「条件１」が「操作開始からＸ分後か？」との条件であれば、読み出したデータセットの時刻「１３：００：００」がその条件を満たすかどうか判定する。この条件を満たすとすると、次に「条件２」に移り、評価部１３は、読み出したデータセットが「条件２」を満たすかどうか判定する。「条件２」が圧力に関する条件であれば、読み出したデータセットの圧力の値を、その条件に基づいて判定する。以下同様にして各ノードに記された条件と読み出した評価データにおける１番目のデータセットの各パラメータの値とを比較して、決定木のノードを順に辿って行く。すると、最終的には「Ｇｏｏｄ１」や「Ｂａｄ１」等の評価情報が記された何れかの葉ノードに至る。最終的に到達した葉ノードに記された評価情報が、１番目のデータセットに対する評価である。
次に評価部１３は、２番目のデータセット（時刻「１３：０１：００」のデータ）を読み出す。そして、評価部１３は、１番目のデータセットと同様に２番目のデータセットを決定木に適用する。すると、２番目のデータセットに対しても「Ｇｏｏｄ１」等の何れかの評価情報が決定される。以下、同様に評価部１３は、３番目のデータセット～最後のデータセットについても順に読み出して、各時点のデータセットに対して決定木に基づく評価情報を決定していく。最終的には、図４の下段に示すように全データセットに対して評価情報が付加された状態になる。
本実施形態の特徴に一連の操作における各時点のデータセットに対して評価情報を付加する点が挙げられる。一般的には、評価データの全体に対して評価情報を付加することが多い。しかし、実際には、例えば、操作の開始から終了まで常に「Ｇｏｏｄ４」である良好な評価データや、「Ｇｏｏｄ１」～「Ｇｏｏｄ４」の間を行き来しながら最終的な目標温度に収束させることに成功したような良好な評価データなど、同じ良好データであっても、訓練の開始から終了までの間に各評価値を遷移する経過が異なる。不良データについても同様である。また、一般には、各時点のデータセットに対する評価を行ったとしても、各時点の操作に対する単独の評価に用いられることが多い。
これに対し、本実施形態では、それぞれの時点のデータセットに対する評価が様々な評価値を遷移しながら推移する様子を可視化する。これにより、評価データの有する傾向を把握することができる。次に本実施形態の評価結果の表示例について説明する。
これに対し、本実施形態では、それぞれの時点のデータセットに対する評価が様々な評価値を遷移しながら推移する様子を可視化する。これにより、評価データの有する傾向を把握することができる。次に本実施形態の評価結果の表示例について説明する。
図５は、本発明の一実施形態における評価結果の一例を示す図である。
図５に評価結果出力部１４による評価結果の出力例を示す。図５のグラフの縦軸は評価情報、横軸は時間を表している。グラフＬ１は、教師データ（良好データ）の各時点のデータセットに付加された評価情報を時系列に並べ、それらを結んでできるグラフである。グラフＬ１は、模範となる操作の例である。同様にグラフＬ２は、良好な評価データの各時点のデータセットに対する評価結果を時系列に並べ、それらを結んでできるグラフである。また、グラフＬ３は、不良な評価データの各時点のデータセットに対する評価結果を時系列に並べ、それらを結んでできるグラフである。各グラフが描く軌跡を比べることで、評価データの傾向を把握することができる。例えば、グラフＬ１とグラフＬ２を比べると、時刻０～ｔ１、時刻ｔ２～ｔ４、時刻ｔ６以降は、同じ軌跡を辿っている。一方、時刻ｔ１～ｔ２、時刻ｔ４～ｔ６ではグラフＬ２は、グラフＬ１が描く軌跡から逸脱している。このように模範となるグラフＬ１と比較することで、例えば時刻ｔ１、ｔ４に行った操作に改善の余地があることを把握することができる。どのように改善するかについては、グラフＬ１の教師データ内の時刻ｔ１、ｔ４付近の操作やパラメータ値を参考にすることができる。
図５に評価結果出力部１４による評価結果の出力例を示す。図５のグラフの縦軸は評価情報、横軸は時間を表している。グラフＬ１は、教師データ（良好データ）の各時点のデータセットに付加された評価情報を時系列に並べ、それらを結んでできるグラフである。グラフＬ１は、模範となる操作の例である。同様にグラフＬ２は、良好な評価データの各時点のデータセットに対する評価結果を時系列に並べ、それらを結んでできるグラフである。また、グラフＬ３は、不良な評価データの各時点のデータセットに対する評価結果を時系列に並べ、それらを結んでできるグラフである。各グラフが描く軌跡を比べることで、評価データの傾向を把握することができる。例えば、グラフＬ１とグラフＬ２を比べると、時刻０～ｔ１、時刻ｔ２～ｔ４、時刻ｔ６以降は、同じ軌跡を辿っている。一方、時刻ｔ１～ｔ２、時刻ｔ４～ｔ６ではグラフＬ２は、グラフＬ１が描く軌跡から逸脱している。このように模範となるグラフＬ１と比較することで、例えば時刻ｔ１、ｔ４に行った操作に改善の余地があることを把握することができる。どのように改善するかについては、グラフＬ１の教師データ内の時刻ｔ１、ｔ４付近の操作やパラメータ値を参考にすることができる。
次にグラフＬ１とグラフＬ３と比較する。すると、不良な評価データに対応するグラフＬ３においても、時刻ｔ５の直前まではＧｏｏｄの評価を得ていることが分かる。その後、急激にＢａｄ側の評価へと落ち込み、その後はＢａｄの評価のまま推移している。さらに詳細に分析すると、グラフＬ３の軌跡は、時刻ｔ３までは良好なグラフＬ１と同様の軌跡であるが、Ｂａｄ側に遷移する直前の時刻ｔ３～ｔ５の間にＧｏｏｄ２へと評価を落としていることが分かる。この結果から、例えば、時刻ｔ３～ｔ５のように模範となるグラフＬ１から逸脱する期間が続くと、それを不良に至る予兆であると考え、今後の操作における注意点として認識することができる。
このように各時点のデータセットに対する評価結果が示す経時的な評価の遷移の様子を、良好データと対比して表示することで、失敗に至る要因を抽出したり、熟練した運転員による模範となる操作との差異を抽出したりして、最適な運転に役立てることができる。例えば、多くの評価データを集めて、それらの評価データの評価結果をプロットした結果、グラフＬ３と同様に時刻ｔ３～ｔ５付近でグラフＬ１から乖離し、その後、Ｂａｄ側の評価に遷移しているような事例が数多く発見できたならば、当該時間帯の操作について見直しを行うことにより、運転員の技術の底上げを図ることができる。
次に本実施形態における評価モデルの作成および評価データの評価方法について、処理の流れを説明する。
図６は、本発明の一実施形態における評価方法の一例を示すフローチャートである。
まず、ユーザが、教師データを作成し、評価システムへ投入する（ステップＳ１）。例えば、ユーザは、原子力プラントの運転訓練シミュレータ等から運転訓練中に記録された様々なパラメータを含んだ時系列データを取得する。ユーザは、運転訓練の内容に応じて、様々なパラメータの中から適切なパラメータを選択し、各パラメータに対する判定条件を設定する。ユーザは、取得した時系列データの各時点のデータセットについて、選択したパラメータの値と設定した判定基準に基づいて評価情報を付加し、教師データを作成する。ユーザは、教師データを評価システム１０に投入する。評価システム１０では、データ取得部１１が、教師データを取得し、記憶部１７に記録する。
図６は、本発明の一実施形態における評価方法の一例を示すフローチャートである。
まず、ユーザが、教師データを作成し、評価システムへ投入する（ステップＳ１）。例えば、ユーザは、原子力プラントの運転訓練シミュレータ等から運転訓練中に記録された様々なパラメータを含んだ時系列データを取得する。ユーザは、運転訓練の内容に応じて、様々なパラメータの中から適切なパラメータを選択し、各パラメータに対する判定条件を設定する。ユーザは、取得した時系列データの各時点のデータセットについて、選択したパラメータの値と設定した判定基準に基づいて評価情報を付加し、教師データを作成する。ユーザは、教師データを評価システム１０に投入する。評価システム１０では、データ取得部１１が、教師データを取得し、記憶部１７に記録する。
次にユーザが、評価システム１０に対して評価モデルの作成を指示する操作を行う。すると、操作受付部１６が、その操作を受け付け、評価モデル作成部１２に評価モデルの作成を指示する。評価モデル作成部１２は、記憶部１７から教師データを読み出して図３で例示した決定木を作成する（ステップＳ２）。評価モデル作成部１２は、作成した決定木を記憶部１７に記録する。
次にユーザは、評価対象となる訓練生の運転訓練中に記録された様々なパラメータを含んだ時系列データを、運転訓練シミュレータ等から取得する。取得した時系列データ（評価データ）には、少なくとも教師データ作成時に選択されたパラメータが含まれる。ユーザは、取得した評価データを評価システム１０に投入する（ステップＳ３）。データ取得部１１は評価データを取得し、記憶部１７に記録する。
次にオペレータが、評価データの評価を指示する操作を行う。操作受付部１６が、その操作を受け付け、評価部１３に評価データの評価を指示する。評価部１３は、記憶部１７に記録された決定木を用いて、評価データを評価する（ステップＳ４）。具体的には、評価部１３は、評価データの各時点のデータセットそれぞれに対して、決定木を辿ることに到達した葉ノードに記された評価情報を付加する。評価部１３は、評価結果を記憶部１７に記録する。
次に評価結果出力部１４は、評価データに対する評価結果を表示した画像データを生成し、表示装置へ出力する。表示装置は、評価結果出力部１４が生成した画像データを表示する（ステップＳ５）。画像データには、図５で例示したように教師データの評価情報の推移とともに評価データに対して付加された評価情報の推移が表示される。
次に、評価情報が付加された評価データを教師データとして取り込んで、決定木を再作成する処理を行う。具体的には、ユーザが、その評価データを評価システム１０に投入する。すると、データ取得部１１は、投入された評価済み評価データを取得して記憶部１７に記録する（ステップＳ６）。これにより、新たな教師データが１件増えることになる。次にユーザは、決定木を再作成するかどうかを決定し、再作成する場合、評価モデル作成を指示する（ステップＳ７）。すると、評価モデル作成部１２は、ステップＳ１で記憶部１７に書き込まれた教師データにステップＳ６で取得した新たな教師データを加えて（ステップＳ８）、ステップＳ２の決定木作成処理を再度行う。評価モデル作成部１２は、新たに作成した決定木を記憶部１７に記録する。所与の教師データに訓練生の評価済み評価データを加えることで、教師データの数を増加させる。これにより、評価モデル作成部１２の算出する決定木の精度・信頼性を高めることができる。なお、ステップＳ６、Ｓ７、Ｓ８の処理は、評価結果が付された評価データが、参考となる操作（良好であれ、不良であれ）が行われた際のデータである場合のみ行うようにしてもよいし、毎回（１件の教師データを追加）あるいは定期的（複数の教師データを追加）に行うようにしてもよい。
なお、ステップＳ５にて評価結果を出力する際に、表示する教師データを任意に選択できるようにしても良い。また、表示する教師データの数は、複数であってもよい。例えば、ユーザが、評価データと同様の軌跡を描き、且つ良好な教師データの評価結果の出力を指示する操作を行う。すると、参考データ選択部１５が、評価データの各時点のデータセットに付加された評価情報のうち少なくとも一部と同様の推移を示す教師データを記憶部１７から読み出す。例えば、参考データ選択部１５は、評価データに付加された各時点の評価情報のうち少なくとも一部（例えばＢａｄ評価に転じる直前のある期間）と、それに対応する時点での評価情報の値が一致する（あるいは一致するとみなせる範囲にある）評価情報が付加された教師データを探索する。評価結果出力部１４は、参考データ選択部１５が探索した結果の教師データの各時点のデータセットに付加された評価情報のグラフを出力する。例えば、図５で例示したグラフＬ３のような評価データを表示する場合、時刻ｔ５付近までグラフＬ３と同様の軌跡をたどり、その後もＧｏｏｄの範囲内を推移するような教師データが存在すれば、時刻ｔ５付近までグラフＬ３の評価データが示すような操作を行った場合の対処方法として参考とすることができる。
以上、説明したようにプラント等の運転訓練時あるいは実環境での運転時の時系列データを評価システム１０へ適用することにより、これまで気づいていないより良い操作手順を認識することができる。また、失敗に至る兆候の抽出、模範となる操作との差異の抽出を行うことにより、どのようにすれば最適な運転を実現できるかを把握することができる。また、多くの教師データ、訓練データを集めて評価結果を表示することにより、操作ミスを誘発しやすいポイントを特定し、今後の改善につなげることができる。また良好、不良ともに段階的な評価を与えて、その評価結果が遷移する様子を表示することで、例えば、良好との評価結果であったとしても、運転員の操作にどのような傾向があるのか（問題なし、改善の余地がある等）を把握することができる。
上記の説明では、一連の運転操作が完了してから訓練に係る評価データを評価する場面での利用方法について説明した。これ以外の利用方法として、運転中の操作の評価に利用することもできる。例えば、実際のプラントの運転停止操作を行っているときに、実際の運転データ（評価データ）をリアルタイムで取得し、直ちに評価部１３による評価を行う。そして、評価結果出力部１４がその評価結果を運転員が参照する表示装置の画面に表示する。例えば、図５で例示したような模範となる運転操作に対応するグラフＬ１と並べて、リアルタイムに実行中の操作に対する評価結果を出力することで、操作の開始から現在までの軌跡とグラフＬ１とを比較し、グラフＬ１の軌跡から乖離しそうになったら操作を修正するといった目的で利用することができる。
また、プラント等の運転に対する評価だけでは無く、機器やプラントの状態を監視する場面にも利用することができる。例えば、プラント運転中の運転データ（評価データ）をリアルタイムに取得し、評価部１３による評価を行う。そして、評価結果出力部１４が、例えば、過去から現在に至る所定時間分の評価結果を表示する。また、評価結果出力部１４は、正常なプラントの状態を示す教師データの評価情報の推移を示すグラフと異常な状態を示す教師データの評価情報の推移を示すグラフを、現在のプラント状態に対する評価結果のグラフと並べて表示する。そして、例えば、現在のプラント状態を示すグラフが、異常状態を示すグラフの軌跡に似ている場合、異常な状態を示す教師データが記録されたときと同様の異常が生じる可能性があることを予測することができる。このように、プラントや機器のリアルタイムの運転データを評価システム１０へ適用することにより、早期の予兆検知に用いることができる。なお、異常な状態を示す教師データについては、様々な種類の異常、事故に対するグラフを表示するようにしてもよい。
また、適用先のプラントは原子力プラントに限らない、データセットに含めるパラメータの種類と評価基準を変更することで、火力発電プラント、化学プラントなど他の種類のプラントでの運転訓練や状態監視、パイロットの操縦訓練などにも適用できる。
図７は、本発明の一実施形態における評価システムのハードウェア構成の一例を示す図である。
コンピュータ９００は、ＣＰＵ９０１、主記憶装置９０２、補助記憶装置９０３、入出力インタフェース９０４、通信インタフェース９０５を備える。
上述の評価システム１０は、コンピュータ９００に実装される。そして、上述したデータ取得部１１、評価モデル作成部１２、評価部１３、評価結果出力部１４、参考データ選択部１５、操作受付部１６の各機能は、プログラムの形式で補助記憶装置９０３に記憶されている。ＣＰＵ９０１は、プログラムを補助記憶装置９０３から読み出して主記憶装置９０２に展開し、当該プログラムに従って上記処理を実行する。また、ＣＰＵ９０１は、プログラムに従って、記憶領域を主記憶装置９０２に確保する。また、ＣＰＵ９０１は、プログラムに従って、処理中のデータを記憶する記憶領域を補助記憶装置９０３に確保する。なお、主記憶装置９０２、補助記憶装置９０３は記憶部１７に対応する。
コンピュータ９００は、ＣＰＵ９０１、主記憶装置９０２、補助記憶装置９０３、入出力インタフェース９０４、通信インタフェース９０５を備える。
上述の評価システム１０は、コンピュータ９００に実装される。そして、上述したデータ取得部１１、評価モデル作成部１２、評価部１３、評価結果出力部１４、参考データ選択部１５、操作受付部１６の各機能は、プログラムの形式で補助記憶装置９０３に記憶されている。ＣＰＵ９０１は、プログラムを補助記憶装置９０３から読み出して主記憶装置９０２に展開し、当該プログラムに従って上記処理を実行する。また、ＣＰＵ９０１は、プログラムに従って、記憶領域を主記憶装置９０２に確保する。また、ＣＰＵ９０１は、プログラムに従って、処理中のデータを記憶する記憶領域を補助記憶装置９０３に確保する。なお、主記憶装置９０２、補助記憶装置９０３は記憶部１７に対応する。
なお、評価システム１０の全部または一部の機能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、この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各機能部による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とする。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、ＣＤ、ＤＶＤ、ＵＳＢ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。また、このプログラムが通信回線によってコンピュータ９００に配信される場合、配信を受けたコンピュータ９００が当該プログラムを主記憶装置９０２に展開し、上記処理を実行しても良い。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良く、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できるものであってもよい。
なお、評価システム１０は、複数のコンピュータ９００によって構成されていても良い。また、記憶部１７を、コンピュータ９００とは別体の外部記憶装置として構成しても良い。
なお、評価システム１０は、複数のコンピュータ９００によって構成されていても良い。また、記憶部１７を、コンピュータ９００とは別体の外部記憶装置として構成しても良い。
その他、本発明の趣旨を逸脱しない範囲で、上記した実施の形態における構成要素を周知の構成要素に置き換えることは適宜可能である。また、この発明の技術範囲は上記の実施形態に限られるものではなく、本発明の趣旨を逸脱しない範囲において種々の変更を加えることが可能である。
なお、プラント停止など運転訓練におけるプラント状態、機器やプラントの状態監視における監視対象の状態は所定の事象の一例である。
なお、プラント停止など運転訓練におけるプラント状態、機器やプラントの状態監視における監視対象の状態は所定の事象の一例である。
１０・・・評価システム
１１・・・データ取得部
１２・・・評価モデル作成部
１３・・・評価部
１４・・・評価結果出力部
１５・・・参考データ選択部
１６・・・操作受付部
１７・・・記憶部
１１・・・データ取得部
１２・・・評価モデル作成部
１３・・・評価部
１４・・・評価結果出力部
１５・・・参考データ選択部
１６・・・操作受付部
１７・・・記憶部
Claims (12)
- 所定の事象の推移に関して第１の時系列の各時点において取得した前記事象に関するパラメータの値とその時点の情報を有する第１データセットの各々に対して評価情報が付加された教師データに基づいて、前記第１データセットの各々を、各々に付加された前記評価情報が示す評価に分類する基準を定めた評価モデルを作成する評価モデル作成部と、
前記事象の推移に関して第２の時系列の各時点において取得した前記パラメータの値とその時点の情報を有する第２データセットについて、前記各時点の前記第２データセットの各々を前記評価モデルによって評価する評価部と、
前記第２データセットの各々に対する評価結果を、時系列に並べて出力する出力部と、 を備え、
前記出力部は、前記評価結果の推移を前記教師データに付加された前記評価情報の推移とともに出力する、
評価システム。 - 所定の事象の推移に関して第１の時系列の各時点において取得した前記事象に関するパラメータの値とその時点の情報を有する第１データセットの各々に対して評価情報が付加された教師データに基づいて、前記第１データセットの各々を、各々に付加された前記評価情報が示す評価に分類する基準を定めた評価モデルを作成する評価モデル作成部と、
前記事象の推移に関して第２の時系列の各時点において取得した前記パラメータの値とその時点の情報を有する第２データセットについて、前記各時点の前記第２データセットの各々を前記評価モデルによって評価する評価部と、
前記第２データセットの各々に対する評価結果を、時系列に並べて出力する出力部と、 を備え、
前記評価モデル作成部は、機器の操作とその操作の結果生じる状態に関する前記第１データセットに対して前記操作に対する評価を前記評価情報として付加した前記教師データに基づいて、前記評価モデルを作成し、
前記評価部は、前記機器に対する操作が行われたときに取得された前記第２データセットの各々を評価し、
前記出力部は、前記第２データセットに対する前記評価結果とともに、前記機器の操作をするうえで参考となる前記教師データに含まれる前記第１データセットに付加された前記評価情報を時系列に並べて出力する、
評価システム。 - 前記第２データセットに対する前記評価結果の推移の少なくとも一部と類似する推移を示す前記評価情報が付加された前記第１データセットを含む前記教師データを選択する参考データ選択部、
をさらに備え、
前記出力部は、前記参考データ選択部が選択した前記教師データの前記第１データセットに付加された前記評価情報を時系列に並べて出力する、
請求項２に記載の評価システム。 - 所定の事象の推移に関して第１の時系列の各時点において取得した前記事象に関するパラメータの値とその時点の情報を有する第１データセットの各々に対して評価情報が付加された教師データに基づいて、前記第１データセットの各々を、各々に付加された前記評価情報が示す評価に分類する基準を定めた評価モデルを作成する評価モデル作成部と、
前記事象の推移に関して第２の時系列の各時点において取得した前記パラメータの値とその時点の情報を有する第２データセットについて、前記各時点の前記第２データセットの各々を前記評価モデルによって評価する評価部と、
前記第２データセットの各々に対する評価結果を、時系列に並べて出力する出力部と、 を備え、
前記評価モデル作成部は、機器の状態を示す前記第１データセットに対して前記機器の状態に対する評価を前記評価情報として付加した前記教師データに基づいて、前記評価モデルを作成し、
前記評価部は、前記機器の状態を示す前記第２データセットの各々を評価し、
前記出力部は、前記第２データセットの各々に対する前記評価結果とともに、前記機器の状態を監視するうえで参考となる前記教師データに含まれる前記第１データセットに対する前記評価情報を時系列に並べて出力する、
評価システム。 - 前記評価モデル作成部は、各々の前記第１データセットに対する前記評価情報を葉ノードとする決定木を作成し、
前記評価部は、各々の前記第２データセットに前記決定木を適用することによって各々の前記第２データセットに対する前記葉ノードを評価し、
前記出力部は、各々の前記第２データセットに対して評価された葉ノードが示す評価情報を出力する、
請求項１から請求項４の何れか１項に記載の評価システム。 - プラントに発生する所定の事象の推移に関して第１の時系列の各時点において取得した前記事象に関する前記プラントの状態を示すパラメータの値および前記プラントに対して行われた操作を示すパラメータの値とその時点の情報を有する第１データセットの各々に対して前記各時点における前記プラントの状態に対する評価情報が付加された教師データに基づいて、前記第１データセットの各々を、各々に付加された前記評価情報が示す評価に分類する基準を定めた評価モデルを作成する評価モデル作成部と、
前記事象の推移に関して第２の時系列の各時点において取得した前記プラントの状態を示すパラメータの値および前記プラントに対して行われた操作を示すパラメータの値とその時点の情報を有する第２データセットについて、前記各時点の前記第２データセットの各々が示す前記プラントの状態を前記評価モデルによって評価する評価部と、
前記第２データセットの各々に対する評価結果を、時系列に並べて出力する出力部と、
を備える評価システム。 - 評価システムによって実行される評価方法であって、
所定の事象の推移に関して第１の時系列の各時点において取得した前記事象に関するパラメータの値とその時点の情報を有する第１データセットの各々に対して評価情報が付加された教師データに基づいて、前記第１データセットの各々を、各々に付加された前記評価情報が示す評価に分類する基準を定めた評価モデルを作成するステップと、
前記事象の推移に関して第２の時系列の各時点において取得した前記パラメータの値とその時点の情報を有する第２データセットについて、前記第２データセットの各々を前記評価モデルによって評価するステップと、
前記第２データセットの各々に対する評価結果を、時系列に並べて出力するステップと、
を有し、
前記出力するステップでは、前記評価結果の推移を前記教師データに付加された前記評価情報の推移とともに出力する、
評価方法。 - 評価システムによって実行される評価方法であって、
所定の事象の推移に関して第１の時系列の各時点において取得した前記事象に関するパラメータの値とその時点の情報を有する第１データセットの各々に対して評価情報が付加された教師データに基づいて、前記第１データセットの各々を、各々に付加された前記評価情報が示す評価に分類する基準を定めた評価モデルを作成するステップと、
前記事象の推移に関して第２の時系列の各時点において取得した前記パラメータの値とその時点の情報を有する第２データセットについて、前記第２データセットの各々を前記評価モデルによって評価するステップと、
前記第２データセットの各々に対する評価結果を、時系列に並べて出力するステップと、
を有し、
前記評価モデルを作成するステップでは、機器の操作とその操作の結果生じる状態に関する前記第１データセットに対して前記操作に対する評価を前記評価情報として付加した前記教師データに基づいて、前記評価モデルを作成し、
前記評価するステップでは、前記機器に対する操作が行われたときに取得された前記第２データセットの各々を評価し、
前記出力するステップでは、前記第２データセットに対する前記評価結果とともに、前記機器の操作をするうえで参考となる前記教師データに含まれる前記第１データセットに付加された前記評価情報を時系列に並べて出力する、
評価方法。 - 評価システムによって実行される評価方法であって、
所定の事象の推移に関して第１の時系列の各時点において取得した前記事象に関するパラメータの値とその時点の情報を有する第１データセットの各々に対して評価情報が付加された教師データに基づいて、前記第１データセットの各々を、各々に付加された前記評価情報が示す評価に分類する基準を定めた評価モデルを作成するステップと、
前記事象の推移に関して第２の時系列の各時点において取得した前記パラメータの値とその時点の情報を有する第２データセットについて、前記第２データセットの各々を前記評価モデルによって評価するステップと、
前記第２データセットの各々に対する評価結果を、時系列に並べて出力するステップと、
を有し、
前記評価モデルを作成するステップでは、機器の状態を示す前記第１データセットに対して前記機器の状態に対する評価を前記評価情報として付加した前記教師データに基づいて、前記評価モデルを作成し、
前記評価するステップでは、前記機器の状態を示す前記第２データセットの各々を評価し、
前記出力するステップでは、前記第２データセットの各々に対する前記評価結果とともに、前記機器の状態を監視するうえで参考となる前記教師データに含まれる前記第１データセットに対する前記評価情報を時系列に並べて出力する、
評価方法。 - 評価システムのコンピュータを、
所定の事象の推移に関して第１の時系列の各時点において取得した前記事象に関するパラメータの値とその時点の情報を有する第１データセットの各々に対して評価情報が付加された教師データに基づいて、前記第１データセットの各々を、各々に付加された前記評価情報が示す評価に分類する基準を定めた評価モデルを作成する手段、
前記事象の推移に関して第２の時系列の各時点において取得した前記パラメータの値とその時点の情報を有する第２データセットについて、前記第２データセットの各々を前記評価モデルによって評価する手段、
前記第２データセットの各々に対する評価結果を、時系列に並べて出力する手段、
として機能させ、
前記出力する手段は、前記評価結果の推移を前記教師データに付加された前記評価情報の推移とともに出力する、
プログラム。 - 評価システムのコンピュータを、
所定の事象の推移に関して第１の時系列の各時点において取得した前記事象に関するパラメータの値とその時点の情報を有する第１データセットの各々に対して評価情報が付加された教師データに基づいて、前記第１データセットの各々を、各々に付加された前記評価情報が示す評価に分類する基準を定めた評価モデルを作成する手段、
前記事象の推移に関して第２の時系列の各時点において取得した前記パラメータの値とその時点の情報を有する第２データセットについて、前記第２データセットの各々を前記評価モデルによって評価する手段、
前記第２データセットの各々に対する評価結果を、時系列に並べて出力する手段、
として機能させ、
前記評価モデルを作成する手段は、機器の操作とその操作の結果生じる状態に関する前記第１データセットに対して前記操作に対する評価を前記評価情報として付加した前記教師データに基づいて、前記評価モデルを作成し、
前記評価する手段は、前記機器に対する操作が行われたときに取得された前記第２データセットの各々を評価し、
前記出力する手段は、前記第２データセットに対する前記評価結果とともに、前記機器の操作をするうえで参考となる前記教師データに含まれる前記第１データセットに付加された前記評価情報を時系列に並べて出力する、
プログラム。 - 評価システムのコンピュータを、
所定の事象の推移に関して第１の時系列の各時点において取得した前記事象に関するパラメータの値とその時点の情報を有する第１データセットの各々に対して評価情報が付加された教師データに基づいて、前記第１データセットの各々を、各々に付加された前記評価情報が示す評価に分類する基準を定めた評価モデルを作成する手段、
前記事象の推移に関して第２の時系列の各時点において取得した前記パラメータの値とその時点の情報を有する第２データセットについて、前記第２データセットの各々を前記評価モデルによって評価する手段、
前記第２データセットの各々に対する評価結果を、時系列に並べて出力する手段、
として機能させ、
前記評価モデルを作成する手段は、機器の状態を示す前記第１データセットに対して前記機器の状態に対する評価を前記評価情報として付加した前記教師データに基づいて、前記評価モデルを作成し、
前記評価する手段は、前記機器の状態を示す前記第２データセットの各々を評価し、
前記出力する手段は、前記第２データセットの各々に対する前記評価結果とともに、前記機器の状態を監視するうえで参考となる前記教師データに含まれる前記第１データセットに対する前記評価情報を時系列に並べて出力する
プログラム。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2017189590A JP7005255B2 (ja) | 2017-09-29 | 2017-09-29 | 評価システム、評価方法及びプログラム |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2017189590A JP7005255B2 (ja) | 2017-09-29 | 2017-09-29 | 評価システム、評価方法及びプログラム |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2019066989A JP2019066989A (ja) | 2019-04-25 |
| JP7005255B2 true JP7005255B2 (ja) | 2022-01-21 |
Family
ID=66339746
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2017189590A Active JP7005255B2 (ja) | 2017-09-29 | 2017-09-29 | 評価システム、評価方法及びプログラム |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP7005255B2 (ja) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP7257262B2 (ja) * | 2019-06-06 | 2023-04-13 | 三菱重工業株式会社 | 評価システム、評価方法及びプログラム |
| JP7244443B2 (ja) * | 2020-01-06 | 2023-03-22 | 株式会社東芝 | 情報処理装置、情報処理方法及びコンピュータプログラム |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090089227A1 (en) | 2007-09-28 | 2009-04-02 | Rockwell Automation Technologies, Inc. | Automated recommendations from simulation |
| JP2009176288A (ja) | 2008-01-24 | 2009-08-06 | Nec Lab America Inc | 運転監視方法および運転監視装置 |
| JP2013178294A (ja) | 2012-02-28 | 2013-09-09 | Mitsubishi Heavy Ind Ltd | 操作習熟度評価システム |
| JP2017123088A (ja) | 2016-01-08 | 2017-07-13 | 安川情報システム株式会社 | 決定木学習アルゴリズムを用いた予測プログラム、装置及び方法 |
-
2017
- 2017-09-29 JP JP2017189590A patent/JP7005255B2/ja active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090089227A1 (en) | 2007-09-28 | 2009-04-02 | Rockwell Automation Technologies, Inc. | Automated recommendations from simulation |
| JP2009176288A (ja) | 2008-01-24 | 2009-08-06 | Nec Lab America Inc | 運転監視方法および運転監視装置 |
| JP2013178294A (ja) | 2012-02-28 | 2013-09-09 | Mitsubishi Heavy Ind Ltd | 操作習熟度評価システム |
| JP2017123088A (ja) | 2016-01-08 | 2017-07-13 | 安川情報システム株式会社 | 決定木学習アルゴリズムを用いた予測プログラム、装置及び方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2019066989A (ja) | 2019-04-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104123219B (zh) | 测试软件的方法和设备 | |
| Kalinowski et al. | Evidence-based guidelines to defect causal analysis | |
| US11520810B2 (en) | Subject matter expert knowledge mapping using dynamic clustering | |
| CN110262279A (zh) | 控制系统以及控制方法 | |
| WO2018052015A1 (ja) | システムの分析支援装置、システムの分析支援方法及びプログラム | |
| US20190066377A1 (en) | Systems and/or methods for virtual reality based process optimization | |
| NO20180628A1 (en) | Digital twin and decision support for low or unmanned facilities | |
| US11954604B2 (en) | Maintenance operation assistance system | |
| JP7005255B2 (ja) | 評価システム、評価方法及びプログラム | |
| CN115237086A (zh) | 工业厂房中的决策支持 | |
| WO2020099135A1 (de) | Verfahren und assistenzsystem zum generieren von trainingsdaten zum lernbasierten konfigurieren eines technischen systems | |
| WO2021111936A1 (ja) | 予測システム、情報処理装置および情報処理プログラム | |
| JP7283105B2 (ja) | 分析装置および分析方法 | |
| JPH10124134A (ja) | 診断システム | |
| JP6499938B2 (ja) | 稼働データ分類装置 | |
| CN115660645A (zh) | 一种维修人员技能评估方法、装置、设备及存储介质 | |
| Angelopoulou et al. | A framework for simulation-based task analysis-The development of a universal task analysis simulation model | |
| JP6899475B1 (ja) | 機械学習モデル精度分析システム、機械学習モデル精度分析方法及びプログラム | |
| JP7052914B1 (ja) | 異常診断システム、異常診断装置、異常診断方法、及びプログラム | |
| Azevedo et al. | Web-based tool for predicting the Remaining Useful Lifetime of Aircraft Components | |
| Ulrich et al. | Using microworlds to support dynamic human reliability analysis | |
| JP6150553B2 (ja) | 運転操作評価装置、運転操作評価方法および運転操作評価プログラム | |
| CN117271678B (zh) | 一种钢铁企业安全数据回溯展示方法和装置 | |
| WO2022024985A1 (ja) | 検査装置 | |
| US20240037016A1 (en) | Computer readable storage medium, debugging support device, debugging support method, and machine learning device |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200511 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20210329 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210601 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210721 |
|
| 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: 20211214 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220105 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 7005255 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |