JP7102634B1

JP7102634B1 - Operation support system for heat treatment equipment, operation support program

Info

Publication number: JP7102634B1
Application number: JP2022030221A
Authority: JP
Inventors: 浩亘豊田; 徹茂木; 智広松浪; 孝明中浦; 彰展西畑
Original assignee: Tokyo Gas Co Ltd
Current assignee: Tokyo Gas Co Ltd
Priority date: 2022-02-28
Filing date: 2022-02-28
Publication date: 2022-07-19
Anticipated expiration: 2042-02-28
Also published as: JP2023125872A

Abstract

【課題】熱処理設備において、エネルギー管理、乾燥品質管理、及び安全管理を総合的に監視し、適正な運転を支援する。【解決手段】アスファルトプラント１０の稼働における制御信号情報及び計測値情報が相互に組み合わされ、エネルギー管理情報、製品品質情報、及び設備保全情報を取得する。取得したエネルギー管理情報、製品品質情報、及び設備保全情報に基づいて、アスファルトプラント１０の稼働状況情報、並びに、アスファルトプラント１０の運用改善につながるアドバイス情報（１）～（５）を提供する。（１）生データを情報提供するサービス、（２）運転データを自動で取得し、機械学習により解析を行い、最適な運転パラメータを提案するサービス、（３）トレンド集計データを情報提供するサービス、（４）運用改善に繋がるアドバイスを提供するサービス、（５）過去の運転データから機械学習により導出した最適運転方法を決定するサービス。【選択図】図５Kind Code: A1 A heat treatment facility comprehensively monitors energy management, drying quality control, and safety management to support proper operation. The control signal information and the measured value information in the operation of the asphalt plant 10 are combined with each other to obtain energy management information, product quality information, and equipment maintenance information. Based on the acquired energy management information, product quality information, and facility maintenance information, operation status information of the asphalt plant 10 and advice information (1) to (5) leading to operational improvement of the asphalt plant 10 are provided. (1) A service that provides information on raw data, (2) A service that automatically acquires driving data, analyzes it by machine learning, and proposes optimal driving parameters, (3) A service that provides information on aggregated trend data. (4) A service that provides advice leading to operational improvements; (5) A service that determines the optimal driving method derived from past driving data by machine learning. [Selection drawing] Fig. 5

Description

本発明は、例えば、熱処理設備を備えたアスファルトプラントにおいて、製品品質や、使用エネルギーの管理、並びに、燃焼装置や設備の保全に対する支援を行う熱処理設備の運転支援システム、運転支援プログラムに関する。 The present invention relates to, for example, an operation support system and an operation support program for heat treatment equipment that support the management of product quality, energy consumption, and maintenance of combustion equipment and equipment in an asphalt plant equipped with heat treatment equipment.

アスファルトプラントとは、アスファルト合材の生産設備であり、骨材を加熱乾燥するドライヤや排ガスを処理する脱臭炉等のエネルギー消費設備を有している。 The asphalt plant is a production facility for asphalt mixture, and has energy consumption facilities such as a dryer for heating and drying aggregates and a deodorizing furnace for treating exhaust gas.

アスファルトプラントは、基本的に受注生産により運用されており、生産計画通りの運用が難しく、生産する合材に利用される骨材の割合も受注製品毎に異なる場合がある。 Asphalt plants are basically operated by make-to-order manufacturing, and it is difficult to operate according to the production plan, and the ratio of aggregate used for the mixed material to be produced may differ depending on the made-to-order product.

また、アスファルトプラントは、基本的に屋外に設置されており、気温や気候等の外部環境に大きく影響を受けるため、時間や日毎に生産を調整する必要がある。 In addition, asphalt plants are basically installed outdoors and are greatly affected by the external environment such as temperature and climate, so it is necessary to adjust production on an hourly or daily basis.

このため、アスファルトプラントの運用に向けて、各運転パラメータを受注生産毎に検討する必要がある。 Therefore, it is necessary to consider each operating parameter for each made-to-order production for the operation of the asphalt plant.

また、可燃性のアスファルトを含む再生材の乾燥処理では、他の設備よりも火元の管理等、安全対策を強化する必要がある。 In addition, in the drying treatment of recycled materials containing flammable asphalt, it is necessary to strengthen safety measures such as control of the fire source compared to other equipment.

さらに、受注生産のため、短時間に大量のエネルギーを使用する場合もあり、エネルギーのデマンドの制御も行う必要がある。 Furthermore, because it is made to order, a large amount of energy may be used in a short time, and it is necessary to control the energy demand.

特許文献１には、アスファルト合材を製造可能なアスファルトプラントが記載されている。 Patent Document 1 describes an asphalt plant capable of producing an asphalt mixture.

特開２０２０－２６６４７号公報Japanese Unexamined Patent Publication No. 2020-26647

しかしながら、従来技術では、燃焼ガスを直接利用するエネルギー消費設備に対して、エネルギー管理、乾燥品質管理、及び安全管理を総合的に監視し、適正な稼働を支援するシステムは存在しない。 However, in the prior art, there is no system that comprehensively monitors energy management, dry quality control, and safety management for energy consuming equipment that directly uses combustion gas, and supports proper operation.

本発明は、熱処理設備において、エネルギー管理、乾燥品質管理、及び安全管理を総合的に監視し、適正な運転を支援することができる熱処理設備の運転支援システム、運転支援プログラムを得ることが目的である。 An object of the present invention is to obtain an operation support system and an operation support program for a heat treatment facility that can comprehensively monitor energy management, dry quality control, and safety management in the heat treatment facility and support proper operation. be.

本発明に係る熱処理設備の運転支援システムは、熱処理設備により熱処理を施した骨材を溶融アスファルトに混合させて、アスファルト合材を生産するアスファルトプラントにおける、熱処理設備の運転支援システムであって、前記熱処理設備のエネルギーの消費状態を監視するエネルギー管理情報と、前記骨材に依存するアスファルト合材の製品品質を監視する製品品質情報と、前記熱処理設備の燃焼状態に支障を来す要因を監視するための設備保全情報と、を含む量的データを取得する量的データ取得部と、前記熱処理設備を操作するオペレータの個人識別能力、前記オペレータの勤務体系、及び天候状況を含む前記オペレータ毎の原単位の状況から、アスファルト合材生産時の質的データを取得する質的データ取得部と、前記量的データ取得部で取得した前記量的データに基づく生データと、所定期間の前記生データを前記質的データ毎に集計した運転パラメータデータと、前記運転パラメータデータに基づく劣化又は改善の動向変化を集計したトレンド集計データと、を含む集計情報を生成すると共に、過去の量的データ及び質的データをもとに生産量と投入速度との相関関係から出荷に必要な生産量を生産する際にエネルギーデマンドを上限値より低く抑え原単位を最小とする運転を可能するパラメータ及び該パラメータの目標値からなる改善情報と、過去の量的データ及び質的データから生成したビッグデータに基づいて機械学習により各バッチ処理の結果を収束させるための最適運転方法を実行するための最適運転プログラム情報と、を含むアドバイス情報を生成する情報生成部と、前記情報生成部で生成した何れかの情報を提供する情報提供部と、を有している。 The operation support system for heat treatment equipment according to the present invention is an operation support system for heat treatment equipment in an asphalt plant that produces asphalt mixture by mixing aggregates heat-treated by the heat treatment equipment with molten asphalt. Energy management information that monitors the energy consumption status of the heat treatment equipment, product quality information that monitors the product quality of the asphalt mixture that depends on the aggregate, and factors that interfere with the combustion status of the heat treatment equipment are monitored. A quantitative data acquisition unit that acquires quantitative data including equipment maintenance information for the purpose, an operator's personal identification ability to operate the heat treatment equipment, the operator's work system, and each operator including weather conditions. The qualitative data acquisition unit that acquires qualitative data at the time of asphalt mixture production from the situation of the basic unit , the raw data based on the quantitative data acquired by the quantitative data acquisition unit, and the raw data for a predetermined period. Aggregate information including operation parameter data that aggregates data for each qualitative data and trend aggregation data that aggregates deterioration or improvement trend changes based on the operation parameter data is generated, and past quantitative data and past quantitative data and Based on the correlation between production volume and input rate based on qualitative data, when producing the production volume required for shipping, the energy demand is kept below the upper limit and the parameters that enable operation with the minimum basic unit and the parameters. Optimal operation program for executing the optimum operation method for converging the result of each batch processing by machine learning based on the improvement information consisting of the target value of and the big data generated from the past quantitative data and qualitative data. It has an information generation unit that generates information and advice information including, and an information providing unit that provides any information generated by the information generation unit.

本発明によれば、量的データ取得部は、熱処理設備のエネルギーの消費状態を監視するエネルギー管理情報と、前記骨材に依存するアスファルト合材の製品品質を監視する製品品質情報と、前記熱処理設備の燃焼状態に支障を来す要因を監視するための設備保全情報と、を含む量的データを取得する。 According to the present invention, the quantitative data acquisition unit includes energy management information for monitoring the energy consumption state of the heat treatment facility, product quality information for monitoring the product quality of the asphalt mixture depending on the aggregate, and the heat treatment. Acquire quantitative data including equipment maintenance information for monitoring factors that interfere with the combustion status of equipment.

質的データ取得部は、熱処理設備を操作するオペレータの個人識別能力、前記オペレータの勤務体系、及び天候状況の少なくとも１つを含む質的対象毎の処理結果から、アスファルト合材生産時の質的データを取得する。 The qualitative data acquisition unit is qualitative during the production of asphalt mixture based on the processing results for each qualitative object, including the individual identification ability of the operator who operates the heat treatment equipment, the work system of the operator, and at least one of the weather conditions. Get the data.

情報生成部では、量的データ取得部で取得した量的データと、質的データ取得部で取得した質的データと、を用いて、量的データに基づく生データ、所定期間の前記生データを前記質的データ毎に集計した運転パラメータデータ、及び運転パラメータデータに基づく劣化又は改善の動向変化を集計したトレンド集計データ、の少なくとも１つの集計情報を生成すると共に、運転改善につながる改善情報、及び最適運転プログラム情報の少なくとも１つのアドバイス情報を生成する。また、情報提供部では、情報生成部で生成した何れかの情報を提供する。 The information generation unit uses the quantitative data acquired by the quantitative data acquisition unit and the qualitative data acquired by the qualitative data acquisition unit to obtain raw data based on the quantitative data and the raw data for a predetermined period. At least one aggregated information of the operation parameter data aggregated for each qualitative data and the trend aggregate data which aggregates the trend change of deterioration or improvement based on the operation parameter data is generated, and the improvement information leading to the operation improvement and the improvement information. Generate at least one piece of advice information for optimal driving program information. In addition, the information providing unit provides any information generated by the information generating unit.

これにより、熱処理設備において、エネルギー管理、乾燥品質管理、及び安全管理を総合的に監視し、適正な運転を支援することができる。 This makes it possible to comprehensively monitor energy management, dry quality control, and safety management in the heat treatment equipment and support proper operation.

本発明において、前記質的データの前記処理結果が、前記質的対象のバッチ処理毎の原単位の振れ幅分布であり、前記情報生成部は、前記質的対象に起因する原単位への影響度合いを判定することを特徴としている。 In the present invention, the processing result of the qualitative data is the fluctuation width distribution of the basic unit for each batch processing of the qualitative object, and the information generation unit affects the basic unit due to the qualitative object. It is characterized by determining the degree.

質的データを、質的対象のバッチ処理毎の原単位の振れ幅分布等の数値データとすることで、原単位への影響度合いを判定するが可能である。 By using the qualitative data as numerical data such as the fluctuation width distribution of the basic unit for each batch process of the qualitative object, it is possible to determine the degree of influence on the basic unit.

また、本発明において、前記エネルギー管理情報が、前記熱処理設備の燃焼空気比、前記骨材の熱処理の原単位、前記骨材の供給量に対する燃料要求量を含むことを特徴としている。 Further, in the present invention, the energy management information includes the combustion air ratio of the heat treatment equipment, the basic unit of heat treatment of the aggregate, and the fuel requirement amount with respect to the supply amount of the aggregate.

さらに、本発明において、前記製品品質情報が、前記骨材の乾燥温度、前記骨材の配合量、前記アスファルト合材の生産量を含むことを特徴としている。 Further, in the present invention, the product quality information is characterized by including the drying temperature of the aggregate, the blending amount of the aggregate, and the production amount of the asphalt mixture.

また、本発明において、前記設備保全情報が、排ガスに含まれる骨材の粉塵を除去するフィルタの詰まり、熱処理設備の温度、熱処理設備内の稼働部の状態、を含むことを特徴としている。 Further, in the present invention, the equipment maintenance information is characterized by including clogging of a filter for removing dust of aggregate contained in exhaust gas, a temperature of the heat treatment equipment, and a state of an operating portion in the heat treatment equipment.

エネルギー管理情報、製品品質情報、及び設備保全情報は、量的データであるので、アスファルトプラントの各所に設置した検出デバイスの計測値に基づき、取得可能である。 Since energy management information, product quality information, and equipment maintenance information are quantitative data, they can be acquired based on the measured values of detection devices installed in various parts of the asphalt plant.

本発明に係る運転支援プログラムは、コンピュータを、上記の熱処理設備の運転支援システムにおける、前記量的データ取得部、前記質的データ取得部、前記情報生成部、及び前記情報提供部として機能させる、ことを特徴としている。 The operation support program according to the present invention causes a computer to function as the quantitative data acquisition unit, the qualitative data acquisition unit, the information generation unit, and the information provision unit in the operation support system of the heat treatment facility. It is characterized by that.

本発明によれば、熱処理設備において、エネルギー管理、乾燥品質管理、及び安全管理を総合的に監視し、適正な運転を支援することができる。 According to the present invention, in the heat treatment equipment, energy management, dry quality control, and safety management can be comprehensively monitored to support proper operation.

本実施の形態に係るアスファルトプラントの斜視図である。It is a perspective view of the asphalt plant which concerns on this embodiment. 本実施の形態に係るアスファルトプラントを制御する制御系の概略図である。It is a schematic diagram of the control system which controls the asphalt plant which concerns on this embodiment. 本実施の形態に係るドライヤ設備の斜視図である。It is a perspective view of the dryer equipment which concerns on this embodiment. 本実施の形態に係るドライヤ設備へのセンサ系の配置図である。It is a layout drawing of the sensor system to the dryer equipment which concerns on this embodiment. 本実施の形態に係るアスファルトプラントを監視する監視支援制御装置の制御ブロック図である。It is a control block diagram of the monitoring support control device which monitors an asphalt plant which concerns on this embodiment. 本実施の形態に係る監視支援制御装置の大規模記憶装置に記憶された、アスファルトプラントからの制御信号情報及び計測値情報の組み合わせによる監視対象の関係を示すテーブルの概念図である。It is a conceptual diagram of the table which shows the relationship of the monitoring object by the combination of the control signal information from the asphalt plant and the measured value information stored in the large-scale storage device of the monitoring support control device which concerns on this embodiment. 本実施の形態に係る監視支援制御装置で実行される情報提供サービスを含む支援制御ルーチンを示すフローチャートである。It is a flowchart which shows the support control routine which includes the information providing service executed by the monitoring support control apparatus which concerns on this embodiment. 図７のステップ２１４で実行される生データ情報提供処理サブルーチンの流れを示すフローチャートである。It is a flowchart which shows the flow of the raw data information provision processing subroutine executed in step 214 of FIG. 本実施の形態に係るアスファルトプラントにおける、稼働月－原単位特性図である。It is operation month-basic unit characteristic diagram in the asphalt plant which concerns on this embodiment. 図７のステップ２１８で実行される運転パラメータ情報提供処理サブルーチンの流れを示すフローチャートである。It is a flowchart which shows the flow of the operation parameter information provision processing subroutine executed in step 218 of FIG. 本実施の形態に係るアスファルトプラントにおける、オペレータ毎の原単位特性図である。It is a basic unit characteristic diagram for each operator in the asphalt plant which concerns on this embodiment. 図７のステップ２２２で実行されるトレンド集計データ提供処理サブルーチンの流れを示すフローチャートである。It is a flowchart which shows the flow of the trend aggregation data provision processing subroutine executed in step 222 of FIG. 本実施の形態に係るアスファルトプラントにおける、日毎の集塵機内バグフィルタ前後差圧特性図である。It is a daily differential pressure characteristic diagram of the bag filter in the dust collector in the asphalt plant which concerns on this embodiment. 図７のステップ２２６で実行される運用改善情報提供処理サブルーチンの流れを示すフローチャートである。It is a flowchart which shows the flow of the operation improvement information provision processing subroutine executed in step 226 of FIG. 本実施の形態に係るアスファルトプラントにおける、生産量－骨材投入速度特性図である。It is a production amount-aggregate input speed characteristic diagram in the asphalt plant which concerns on this embodiment. 図７のステップ２２９で実行される最適運転プログラム情報提供処理サブルーチンの流れを示すフローチャートである。It is a flowchart which shows the flow of the optimum operation program information provision processing subroutine executed in step 229 of FIG. 本実施の形態に係るアスファルトプラントにおける、生産量－原単位特性図であり、（Ａ）が現状の特性図、（Ｂ）が改善後の特性図を示す。It is a production amount-basic unit characteristic diagram in the asphalt plant which concerns on this embodiment, (A) shows the current characteristic diagram, and (B) shows the characteristic diagram after improvement.

図１及び図２は、本実施の形態に係るアスファルト合材製造用のアスファルトプラント１０の概略図である。 1 and 2 are schematic views of an asphalt plant 10 for manufacturing an asphalt mixture according to the present embodiment.

アスファルトプラント１０は、骨材を加熱処理するドライヤ設備１２と、該ドライヤ設備１２にて加熱処理した骨材を持ち上げるエレベータ１４と、該エレベータ１４にて送り出した骨材を篩い分けて貯蔵・計量し、溶融アスファルト及び石粉を添加して混合するミキシングタワー設備１６とを主体に構成している。 In the asphalt plant 10, the dryer equipment 12 for heat-treating the aggregate, the elevator 14 for lifting the aggregate heat-treated by the dryer equipment 12, and the aggregate sent out by the elevator 14 are sieved, stored and weighed. , A mixing tower facility 16 in which molten asphalt and stone powder are added and mixed.

図３及び図４に示される如く、前記ドライヤ設備１２は、内周部に複数の掻き上げ羽根（図示せず）を周設した円筒状のドラム１８を回転自在に支持し、駆動装置（図示せず）により所定の速度で回転させるようにしている。駆動装置は電源配線系統には、電流計２０(図４参照)が設置されており、電流計２０の計測値により、駆動装置の駆動状態を把握することができる。 As shown in FIGS. 3 and 4, the dryer equipment 12 rotatably supports a cylindrical drum 18 having a plurality of scraping blades (not shown) around the inner peripheral portion, and drives the drive device (FIG. 3). (Not shown) to rotate at a predetermined speed. An ammeter 20 (see FIG. 4) is installed in the power supply wiring system of the drive device, and the drive state of the drive device can be grasped from the measured value of the ammeter 20.

また、前記ドラム１８の一端部のホットホッパ２２には熱風供給用のバーナ２４を備えている。また、ホットホッパ２２は、ドラム１８で加熱処理した骨材を排出する骨材排出口２６を備えている。 Further, the hot hopper 22 at one end of the drum 18 is provided with a burner 24 for supplying hot air. Further, the hot hopper 22 is provided with an aggregate discharge port 26 for discharging the aggregate heat-treated by the drum 18.

バーナ２４には、燃料供給系統２８(図２参照)から燃料が供給され、かつ、空気（図示省略）が供給され、燃料と空気が所定の比率で混合されることで、燃焼する。なお、バーナ２４には、燃料の流量を検出する燃料流量計３０及び空気の流量を検出する空気流量計３２を備えている。 Fuel is supplied to the burner 24 from the fuel supply system 28 (see FIG. 2), and air (not shown) is supplied, and the fuel and air are mixed at a predetermined ratio to burn the burner 24. The burner 24 is provided with a fuel flow meter 30 for detecting the flow rate of fuel and an air flow meter 32 for detecting the flow rate of air.

前記ドライヤ設備１２のホットホッパ２２の骨材排出口２６には排出中の骨材温度を検出する骨材温度センサ２７を備えていると共に、該骨材温度センサ２７にて検出した骨材温度に基づいて前記バーナ２４の燃焼量を調整制御する。本実施の形態では、例えば、被加熱物である新規骨材の加熱処理量や含水率が変動しても所定温度、例えば約１６０℃程度に加熱処理できるように制御される。 The aggregate discharge port 26 of the hot hopper 22 of the dryer equipment 12 is provided with an aggregate temperature sensor 27 for detecting the temperature of the aggregate being discharged, and at the same time, the aggregate temperature detected by the aggregate temperature sensor 27 is adjusted to the aggregate temperature. Based on this, the combustion amount of the burner 24 is adjusted and controlled. In the present embodiment, for example, even if the heat treatment amount and the water content of the new aggregate to be heated fluctuate, the heat treatment is controlled to a predetermined temperature, for example, about 160 ° C.

なお、骨材温度センサ２７に加え、バーナ２４の燃焼状態を火炎検出センサ(図示省略)によって監視するようにしてもよい。 In addition to the aggregate temperature sensor 27, the combustion state of the burner 24 may be monitored by a flame detection sensor (not shown).

また、ドラム１８の他端部のコールドホッパ３４には、骨材をドラム１８内に供給するベルトコンベヤ設備３６を備える。また、コールドホッパ３４には、ドラム１８内から排ガスを導出する排気ダクト３８の一端部が連結されている。排気ダクト３８の他端部は、集塵機４０に連結されている。 Further, the cold hopper 34 at the other end of the drum 18 is provided with a belt conveyor facility 36 for supplying aggregate into the drum 18. Further, one end of an exhaust duct 38 that draws out exhaust gas from the inside of the drum 18 is connected to the cold hopper 34. The other end of the exhaust duct 38 is connected to the dust collector 40.

ベルトコンベヤ設備３６は、骨材ホッパ３６Ａ～３６Ｄを備え、例えば、砂、７号砕石、６号砕石、５号砕石等の骨材を種別毎に貯蔵している。そして、骨材ホッパ３６Ａ～３６Ｄの下部に設けられた可変速フィーダー３７Ａ～３７Ｄにより所定割合で骨材を切り出し、コンベヤ３９を介して、ドライヤ設備１２に送り出す。骨材ホッパ３６Ａ～３６Ｄには、それぞれ骨材センサ４２Ａ～４２Ｄが取り付けられている。また、本実施の形態では、コンベヤ３９の回転数を検出する回転数センサ４４が取り付けられ、この回転数センサ４４の検出値（周波数）に基づき、骨材の送出量を監視している。 The belt conveyor equipment 36 includes aggregate hoppers 36A to 36D, and stores aggregates such as sand, No. 7 crushed stone, No. 6 crushed stone, No. 6 crushed stone, and No. 5 crushed stone for each type. Then, the aggregate is cut out at a predetermined ratio by the variable speed feeders 37A to 37D provided in the lower portions of the aggregate hoppers 36A to 36D, and sent to the dryer equipment 12 via the conveyor 39. Aggregate sensors 42A to 42D are attached to the aggregate hoppers 36A to 36D, respectively. Further, in the present embodiment, a rotation speed sensor 44 for detecting the rotation speed of the conveyor 39 is attached, and the amount of aggregate to be sent is monitored based on the detection value (frequency) of the rotation speed sensor 44.

また、排気ダクト３８には、排ガス温度センサ４６が取り付けられ、集塵機４０に送出される排気ガスの温度を検出している。 Further, an exhaust gas temperature sensor 46 is attached to the exhaust duct 38 to detect the temperature of the exhaust gas sent to the dust collector 40.

ベルトコンベヤ設備３６には、骨材ホッパ３６Ａが設置されており、粒径別に骨材が貯蔵されている。ベルトコンベヤ設備３６では、骨材ホッパ３６Ａから所定量ずつ払い出された骨材を、ドラム１８内に投入し、掻き上げ羽根にて掻き上げながらドラム１８内を転動流下させる間にバーナ２４からの熱風に接触させ、所望温度まで昇温させてホットホッパ２２下端部の骨材排出口２６より排出する。 An aggregate hopper 36A is installed in the belt conveyor facility 36, and aggregates are stored according to the particle size. In the belt conveyor equipment 36, a predetermined amount of aggregate discharged from the aggregate hopper 36A is put into the drum 18, and while being scraped up by the scraping blades, the inside of the drum 18 is rolled down from the burner 24. It is brought into contact with the hot air of the above, raised to a desired temperature, and discharged from the aggregate discharge port 26 at the lower end of the hot hopper 22.

図２に示される如く、骨材排出口２６から排出した加熱骨材は、エレベータ１４にてミキシングタワー設備１６の上部まで持ち上げ、該ミキシングタワー設備１６の最上部に備えた振動篩４８に投入する構成としている。 As shown in FIG. 2, the heated aggregate discharged from the aggregate discharge port 26 is lifted to the upper part of the mixing tower equipment 16 by the elevator 14 and put into the vibration sieve 48 provided at the uppermost part of the mixing tower equipment 16. It is composed.

前記振動篩４８の内部には網目サイズの異なる複数の篩網（図示省略）を複数段（例えば、３段）配設しており、エレベータ１４より投入した骨材を各篩網にて粒径別に篩い分け、下位の骨材貯蔵ビン５０の複数（例えば、４区画）の区画室（図示省略）に異なる粒径の骨材をそれぞれ貯蔵する構成としている。 A plurality of sieve nets (not shown) having different mesh sizes are arranged in a plurality of stages (for example, three stages) inside the vibrating sieve 48, and the particle size of the aggregate input from the elevator 14 is formed in each sieve net. It is configured to be sieved separately and to store aggregates having different particle sizes in a plurality of (for example, 4 compartments) compartments (not shown) of the lower aggregate storage bins 50.

前記骨材貯蔵ビン５０の下端部にはそれぞれ骨材排出用の排出ゲート（図示せず）を開閉自在に備え、その下位には骨材計量器５２を備えている。骨材計量器５２の下部には、ミキサ５４が備えられ、骨材計量器５２から所定量の骨材が投入される。 A discharge gate (not shown) for discharging the aggregate is provided at the lower end of the aggregate storage bin 50 so as to be openable and closable, and an aggregate measuring instrument 52 is provided below the discharge gate (not shown). A mixer 54 is provided in the lower part of the aggregate measuring instrument 52, and a predetermined amount of aggregate is charged from the aggregate measuring instrument 52.

また、同時に、ミキサ５４には、石粉サイロ５６から送られてくる石粉を計量する石粉計量器５８、及び、アスファルトタンク６０から送られてくる溶融アスファルトを計量するアスファルト計量器６２のそれぞれで計量された石粉、溶融アスファルト等の材料がミキサ５４内に投入され、骨材、石粉、及び溶融アスファルトが、混合調整されて所望のアスファルト合材が製造されるようになっている。 At the same time, the mixer 54 is weighed by the stone powder measuring instrument 58 that measures the stone powder sent from the stone powder silo 56 and the asphalt measuring instrument 62 that measures the molten asphalt sent from the asphalt tank 60. Materials such as stone powder and molten asphalt are put into the mixer 54, and the aggregate, stone powder, and molten asphalt are mixed and adjusted to produce a desired asphalt mixture.

製造されたアスファルト合材は、例えば、専用トラック６３に積み込まれ、指定場所へと陸送される。 The manufactured asphalt mixture is loaded onto, for example, a dedicated truck 63 and transported by land to a designated place.

なお、骨材貯蔵ビン５０に温度センサ６４、溶融アスファルト配管に温度センサ６８がそれぞれ取り付けられており、骨材の温度及び溶融アスファルトの温度をそれぞれ検出している。 A temperature sensor 64 is attached to the aggregate storage bin 50, and a temperature sensor 68 is attached to the molten asphalt pipe to detect the temperature of the aggregate and the temperature of the molten asphalt, respectively.

本実施の形態における管理（設備保全）においては、骨材の温度と溶融アスファルトの温度は必須である。 In the management (equipment maintenance) in this embodiment, the temperature of the aggregate and the temperature of the molten asphalt are indispensable.

図４に示される如く、ドラム１８に設けられた排気ダクト３８の下流に配置された集塵機４０は、排ガス中の粗粒ダスト及び微粒ダストを捕集する役目を有しており、例えば、一次集塵機、二次集塵機に分離されている場合がある。 As shown in FIG. 4, the dust collector 40 arranged downstream of the exhaust duct 38 provided in the drum 18 has a role of collecting coarse-grained dust and fine-grained dust in the exhaust gas, and is, for example, a primary dust collector. , May be separated into a secondary dust collector.

集塵機４０の下流には排ガス吸引用の排風機７０、及び煙突７２を配置しており、集塵機４０にて清浄化した排ガスを煙突７２から大気中に放出するようにしている。なお、排風機７０は、ドライヤ設備１２の圧力に基づき、静圧制御されている。 An exhaust gas suction fan 70 and a chimney 72 are arranged downstream of the dust collector 40 so that the exhaust gas cleaned by the dust collector 40 is discharged from the chimney 72 into the atmosphere. The blower 70 is statically pressure controlled based on the pressure of the dryer equipment 12.

集塵機４０の下端部は、それぞれ捕集した粗粒ダスト及び微粒ダストを排出する排出口となっている。 The lower end of the dust collector 40 is a discharge port for discharging the collected coarse dust and fine dust, respectively.

集塵機４０の排ガスの入口には、温度センサ７４が取り付けられており、排ガスの温度（バグフィルタ入口温度という場合がある。）を検出する。 A temperature sensor 74 is attached to the inlet of the exhaust gas of the dust collector 40 to detect the temperature of the exhaust gas (sometimes referred to as the bag filter inlet temperature).

また、集塵機４０は、排ガスに粉塵となって含まれている骨材（粗粒ダスト及び微粒ダスト）を捕集するフィルタリング機能を有しており、内部にはフィルタ（図示省略）が設けられており、当該フィルタの上流側と下流側との圧力差を検出するバグ差圧センサ７６が設けられている。 Further, the dust collector 40 has a filtering function for collecting aggregates (coarse-grained dust and fine-grained dust) contained in the exhaust gas as dust, and a filter (not shown) is provided inside. Therefore, a bug differential pressure sensor 76 for detecting the pressure difference between the upstream side and the downstream side of the filter is provided.

アスファルトプラント１０は、制御装置１００を備えている。制御装置１００は、ドライヤ設備１２、エレベータ１４、ミキシングタワー設備１６、及びベルトコンベヤ設備３６の各設備に設けられたセンサ等から計測値を取得し、計測値に基づき、当該各設備のそれぞれの制御対象機器の動作を制御し、かつ、各設備が連携された一連のアスファルト製造のシーケンスを制御する。 The asphalt plant 10 includes a control device 100. The control device 100 acquires measured values from sensors and the like provided in each of the dryer equipment 12, the elevator 14, the mixing tower equipment 16, and the belt conveyor equipment 36, and controls each of the equipment based on the measured values. It controls the operation of the target equipment and controls a series of asphalt manufacturing sequences in which each equipment is linked.

ここで、本実施の形態の制御装置１００は、ネットワーク１０２を介して、監視支援制御装置１０４に接続されている。 Here, the control device 100 of the present embodiment is connected to the monitoring support control device 104 via the network 102.

制御装置１００から監視支援制御装置１０４へは、アスファルトプラント１０の各設備から取得したセンサ等の計測値が、ネットワーク１０２を介して送出されるようになっている。 The measured values of the sensors and the like acquired from each facility of the asphalt plant 10 are transmitted from the control device 100 to the monitoring support control device 104 via the network 102.

ネットワーク１０２には、複数の制御装置１００が接続され、監視支援制御装置１０４には、この複数の制御装置１００からの情報が集約されるようになっている。なお、以下では、１台の制御装置１００と１台の監視支援制御装置１０４との関係で、情報の授受等について説明する。 A plurality of control devices 100 are connected to the network 102, and information from the plurality of control devices 100 is aggregated in the monitoring support control device 104. In the following, information transfer and the like will be described in relation to one control device 100 and one monitoring support control device 104.

監視支援制御装置１０４では、アスファルトプラント１０における骨材の加熱処理及び加熱処理の際の排ガスの集塵処理を主体とした、エネルギー管理、製品品質、及び設備保全を一括管理し、その結果を、制御装置１００へ返信する。 The monitoring support control device 104 collectively manages energy management, product quality, and equipment maintenance, mainly for heat treatment of aggregates in the asphalt plant 10 and dust collection treatment of exhaust gas during heat treatment, and the results are obtained. Reply to the control device 100.

制御装置１００には、出力デバイス（モニタやプリンタ等）１０６が接続され、例えば、エネルギー管理、製品品質、及び設備保全を一括管理の結果、各項目を改善するためのアドバイスを提供するようにしている。 An output device (monitor, printer, etc.) 106 is connected to the control device 100 so as to provide advice for improving each item as a result of centralized management of energy management, product quality, and equipment maintenance, for example. There is.

図５に示される如く、監視支援制御装置１０４は、マイクロコンピュータ１０８を備えており、マイクロコンピュータ１０８は、ＣＰＵ１０８Ａ、ＲＡＭ１０８Ｂ、ＲＯＭ１０８Ｃ、入出力部１０８Ｄ（Ｉ／Ｏ１０８Ｄ）、及びこれらを接続するデータベースやコントロールバス等のバス１０８Ｅで構成されている。 As shown in FIG. 5, the monitoring support control device 104 includes a microcomputer 108, which includes a CPU 108A, a RAM 108B, a ROM 108C, an input / output unit 108D (I / O 108D), and a database connecting these. It is composed of a bus 108E such as a control bus.

Ｉ／Ｏ１０８Ｄには、Ｉ／Ｆ１１０が接続されている。このＩ／Ｆ１１０には、ネットワーク１０２を介して、複数の制御装置１００に接続されている。 The I / F 110 is connected to the I / O 108D. The I / F 110 is connected to a plurality of control devices 100 via a network 102.

また、Ｉ／Ｏ１０８Ｄには、大規模記録装置１１２が接続されている。 Further, a large-scale recording device 112 is connected to the I / O 108D.

監視支援制御装置１０４には、制御装置１００から、アスファルトプラント１０の稼働において、制御対象機器を制御するための制御信号情報、及び装置内に設置された各種センサで検出した計測値情報が送出される。この制御信号情報及び計測値情報は、相互に組み合わせることで、エネルギー管理情報、製品品質情報、及び設備保全情報の項目になり得る。 The control device 100 sends out control signal information for controlling the controlled device and measurement value information detected by various sensors installed in the device in the operation of the asphalt plant 10 to the monitoring support control device 104. To. By combining the control signal information and the measured value information with each other, they can be items of energy management information, product quality information, and equipment maintenance information.

監視支援制御装置１０４では、制御装置１００を管理する管理者に対して、エネルギー管理情報、製品品質情報、及び設備保全情報に基づいて、アスファルトプラント１０の稼働状況情報、並びに、アスファルトプラント１０の運用改善につながるアドバイス情報を提供する、アドバイス情報としては、前記項目に基づく情報提供、及び最適制御の提供が挙げられる。 In the monitoring support control device 104, the operation status information of the asphalt plant 10 and the operation of the asphalt plant 10 are given to the manager who manages the control device 100 based on the energy management information, the product quality information, and the equipment maintenance information. Examples of the advice information that provides advice information that leads to improvement include information provision based on the above items and provision of optimum control.

（アドバイス情報例） (Example of advice information)

（１）取得データ（生データ）を情報提供するサービスである。 (1) This is a service that provides information on acquired data (raw data).

現状の原単位や生産量や温度等の状況をオンラインで監視することが可能である。 It is possible to monitor the current status of basic unit, production volume, temperature, etc. online.

また、時系列データとして収集データを保持（保管）することが可能である。 In addition, it is possible to retain (store) the collected data as time-series data.

（２）運転データを自動で取得し、機械学習により解析を行い、最適な運転パラメータを提案するサービスである。 (2) This is a service that automatically acquires operation data, analyzes it by machine learning, and proposes optimum operation parameters.

処理バッチ毎、日別、月別等のデータに集計加工して、稼働状況を把握することが可能である。 It is possible to grasp the operating status by aggregating and processing the data for each processing batch, daily, monthly, etc.

また、原単位、気温等のデータに加工して、稼働状況を把握することが可能である。 In addition, it is possible to grasp the operating status by processing it into data such as basic unit and temperature.

さらに、運転パラメータを最適な値に設定することで、適正な生産（効率・品質・安全性の向上）を行うことが可能である。 Furthermore, by setting the operating parameters to the optimum values, it is possible to carry out appropriate production (improvement of efficiency, quality and safety).

（３）トレンド集計データを情報提供するサービスである。 (3) This is a service that provides information on trend aggregate data.

運転パラメータデータについて、例えば、基準時点からの改善度（節約）や劣化度(無駄遣い)として表現して稼働状況のトレンド変化を把握することが可能である。また、蓄積データを活用することができる。 It is possible to grasp the trend change of the operating status by expressing the operation parameter data as, for example, the degree of improvement (saving) or the degree of deterioration (waste) from the reference time point. In addition, the accumulated data can be utilized.

（４）運用改善に繋がるアドバイスを提供するサービスである。 (4) This is a service that provides advice that leads to operational improvement.

原単位等の各種指標に操業状態の健全性を判定するしきい値を設定することで、必要に応じて調整やメンテナンスを促す等のアドバイス情報を得ることが可能である。 By setting a threshold value for determining the soundness of the operating condition in various indicators such as the basic unit, it is possible to obtain advice information such as urging adjustment and maintenance as necessary.

例えば、原料成分と投入速度のデータとから、原単位の改善のため、しきい値を超えた際には、メンテナンスの実施を促すようにアドバイスする。 For example, based on the raw material components and input rate data, it is advised to encourage maintenance when the threshold is exceeded in order to improve the basic unit.

また、製品品質等を参照しながら、データ取得を重ねることで、判定しきい値の設定精度（燃料コストと品質とのバランスの最適化）が高まり、設備運用の最適化を図ることが可能である。 In addition, by repeatedly acquiring data while referring to product quality, etc., the accuracy of setting judgment thresholds (optimization of the balance between fuel cost and quality) can be improved, and equipment operation can be optimized. be.

（５）過去の運転データから機械学習により導出した最適運転方法を決定するサービスである。 (5) This is a service that determines the optimum operation method derived from past operation data by machine learning.

アスファルトプラント１０に組み込まれた制御装置１００により最適制御を実現することが可能である。 Optimal control can be realized by the control device 100 incorporated in the asphalt plant 10.

なお、アドバイス情報を提供するに際し、単一の制御装置１００からの情報に限定されず、複数の制御装置１００からの情報を集約し、その傾向等を解析することで、今後の予測等を含めたアドバイス情報を生成することが好ましいが、単一の制御装置１００からの情報であっても、適切なアドバイス情報を生成することは可能である。 When providing advice information, the information is not limited to the information from a single control device 100, but the information from a plurality of control devices 100 is aggregated and the tendency and the like are analyzed to include future predictions and the like. It is preferable to generate the advice information, but it is possible to generate appropriate advice information even if the information is from a single control device 100.

図６に概念的に示される如く、監視支援制御装置１０４の大規模記憶装置１１２には、エネルギー管理情報、製品品質情報、及び設備保全情報の生成に必要な、アスファルトプラント１０からの制御信号情報と計測値情報との組み合わせの関係を示すテーブル１１２Ｔが記憶されている。 As conceptually shown in FIG. 6, the large-scale storage device 112 of the monitoring support control device 104 has the control signal information from the asphalt plant 10 necessary for generating energy management information, product quality information, and equipment maintenance information. Table 112T showing the relationship between the combination of the measured value information and the measured value information is stored.

監視支援制御装置１０４では、このテーブル１１２Ｔに示す組み合わせによって、以下に示す項目に関する情報を取得し、取得した項目に基づいて、上記に示したアドバイス情報を生成する。 The monitoring support control device 104 acquires information on the following items by the combination shown in the table 112T, and generates the advice information shown above based on the acquired items.

以下に、アスファルトプラント１０の稼働状況に関する情報の一例を、項目別に挙げる。図６のテーブル１１２Ｔでは、各項目毎に必要な情報に対して「○」印を付与している。 The following is an example of information on the operating status of the asphalt plant 10 by item. In the table 112T of FIG. 6, “◯” marks are given to the necessary information for each item.

（項目１）エネルギー管理
エネルギー管理を監視するためには、（ａ）燃焼空気比、（ｂ）処理原単位、及び（ｃ）ガスデマンドに関する情報が必要となる。 (Item 1) Energy management In order to monitor energy management, information on (a) combustion air ratio, (b) processing intensity, and (c) gas demand is required.

（ａ）燃焼空気比は、燃焼部（バーナ２４）の情報（燃料流量、空気流量）から取得される。 (A) The combustion air ratio is acquired from the information (fuel flow rate, air flow rate) of the combustion unit (burner 24).

燃焼空気比は、以下の（１）式の計算によって得ることができる。

The combustion air ratio can be obtained by the calculation of the following equation (1).

（ｂ）処理原単位は、燃焼部（バーナ２４）の情報（燃料流量、空気流量、排ガス温度）と、骨材搬送部であるベルトコンベヤ設備３６の情報（骨材フィーダー回転数（周波数））、ドライヤ設備１２の情報（骨材温度、ドラム１８の回転駆動時の電流値）と、から取得される。 (B) The processing basic unit is information (fuel flow rate, air flow rate, exhaust gas temperature) of the combustion part (burner 24) and information of the belt conveyor equipment 36 which is the aggregate transport part (aggregate feeder rotation speed (frequency)). , Information of the dryer equipment 12 (aggregate temperature, current value when the drum 18 is driven to rotate) and.

処理原単位は、以下の（２）式の計算によって得ることができる。

The processing basic unit can be obtained by the calculation of the following equation (2).

（ｃ）ガスデマンドは、燃焼部（バーナ２４）の情報（燃料流量）と、骨材搬送部であるベルトコンベヤ設備３６の情報（骨材フィーダー回転数（周波数））と、から取得される。結果として、ガスデマンドは、燃料流量の最大値となる。 (C) The gas demand is acquired from the information (fuel flow rate) of the combustion unit (burner 24) and the information (aggregate feeder rotation speed (frequency)) of the belt conveyor equipment 36 which is the aggregate transport unit. As a result, the gas demand becomes the maximum value of the fuel flow rate.

（項目２）製品品質情報
製品品質情報を監視するためには、（ｄ）骨材乾燥温度、（ｅ）骨材配合量、及び（ｆ）生産量に関する情報が必要となる。 (Item 2) Product quality information In order to monitor product quality information, information on (d) aggregate drying temperature, (e) aggregate content, and (f) production volume is required.

（ｄ）骨材乾燥温度は、ドライヤ設備１２の情報（図６に示す骨材温度）から取得される（骨材乾燥温度＝骨材温度）。 (D) The aggregate drying temperature is obtained from the information (aggregate temperature shown in FIG. 6) of the dryer equipment 12 (aggregate drying temperature = aggregate temperature).

（ｅ）骨材配合量は、骨材搬送部であるベルトコンベヤ設備３６の情報（骨材フィーダー回転数（周波数））から取得される。
骨材配合量は、骨材フィーダー３７Ａ～３７Ｄのそれぞれにおいて、以下の（３）式の計算によって得ることができる。
骨材フィーダー回転数×係数・・・（３） (E) The amount of the aggregate to be blended is acquired from the information (aggregate feeder rotation speed (frequency)) of the belt conveyor equipment 36 which is the aggregate transport portion.
The amount of the aggregate to be blended can be obtained by the calculation of the following equation (3) in each of the aggregate feeders 37A to 37D.
Aggregate feeder rotation speed x coefficient ... (3)

（ｆ）生産量は、骨材搬送部であるベルトコンベヤ設備３６の情報（骨材フィーダー回転数（周波数））から取得される。
生産量は、上記（３）式で得た各骨材フィーダー３７Ａ～３７Ｄの合計値であり、以下の（４）式の計算によって得ることができる。
生産量＝Σ（各骨材フィーダー回転数×係数）・・・（４） (F) The production amount is acquired from the information (aggregate feeder rotation speed (frequency)) of the belt conveyor equipment 36 which is the aggregate transfer unit.
The production amount is the total value of the aggregate feeders 37A to 37D obtained by the above formula (3), and can be obtained by the calculation of the following formula (4).
Production volume = Σ (each aggregate feeder rotation speed x coefficient) ... (4)

（項目３）設備保全情報 (Item 3) Equipment maintenance information

設備保全情報を監視するためには、（ｇ）バグフィルタ（集塵機４０の内部のフィルタ）の詰まり、（ｈ）集塵機４０の内部の温度（温度異常）、及び（ｉ）キルン（ドラム１８）詰まりに関する情報が必要となる。 In order to monitor the equipment maintenance information, (g) the bug filter (filter inside the dust collector 40) is clogged, (h) the temperature inside the dust collector 40 (temperature abnormality), and (i) the kiln (drum 18) is clogged. I need information about.

（ｇ）バグフィルタ（集塵機４０内部のフィルタ）の詰まりは、集塵機４０（バグフィルタ）の情報（バグ差圧、バグフィルタ入口温度）から取得される。
より具体的には、バグ差圧やバグフィルタ入口温度が、予め定めたしきい値を逸脱した値をとっているか否かを判断する。 (G) The clogging of the bug filter (filter inside the dust collector 40) is acquired from the information (bug differential pressure, bug filter inlet temperature) of the dust collector 40 (bug filter).
More specifically, it is determined whether or not the bug differential pressure or the bug filter inlet temperature deviates from a predetermined threshold value.

（ｈ）集塵機４０の内部の温度（温度異常）は、集塵機４０（バグフィルタ）の情報（バグフィルタ入口温度）から取得される。
より具体的には、各種温度センサが、予め定めたしきい値を逸脱した値をとっているか否かを判断する。 (H) The internal temperature (temperature abnormality) of the dust collector 40 is acquired from the information (bug filter inlet temperature) of the dust collector 40 (bug filter).
More specifically, it is determined whether or not the various temperature sensors take a value deviating from a predetermined threshold value.

（ｉ）キルン（ドラム１８）詰まりは、骨材搬送部であるベルトコンベヤ設備３６の情報（骨材フィーダー回転数（周波数））から取得される。
より具体的には、ドライヤ電流値が、予め定めたしきい値を逸脱した値をとっているか否かを判断する。 (I) The clogging of the kiln (drum 18) is acquired from the information (aggregate feeder rotation speed (frequency)) of the belt conveyor equipment 36 which is an aggregate conveying portion.
More specifically, it is determined whether or not the dryer current value deviates from a predetermined threshold value.

監視支援制御装置１０４では、上記（項目１）～（項目３）の各情報（ａ）～（ｉ）に基づいて、アスファルトプラント１０のエネルギー管理、製品品質、及び設備保全に関する各種情報の提供、並びに、運用改善に繋がるアドバイスを提供する。 The monitoring support control device 104 provides various information on energy management, product quality, and equipment maintenance of the asphalt plant 10 based on the information (a) to (i) of the above (item 1) to (item 3). In addition, we will provide advice that will lead to operational improvements.

以下に本実施の形態の作用を図７のフローチャートに従い説明する。 The operation of this embodiment will be described below with reference to the flowchart of FIG.

ステップ２００では、稼働中のアスファルトプラント１０を制御している制御装置１００を検索し、次いで、ステップ２０２へ移行して検索したアスファルトプラント１０の制御装置１００から計測値情報及び制御値情報（図６参照）を収集し、ステップ２０４へ移行する。なお、複数の制御装置１００ではなく、１台又は数台の制御装置を特定し、当該特定した制御装置１００からの情報収集であってもよい。 In step 200, the control device 100 that controls the asphalt plant 10 in operation is searched, and then the measurement value information and the control value information (FIG. 6) are searched from the control device 100 of the asphalt plant 10 that is searched by moving to step 202. (See) is collected, and the process proceeds to step 204. It should be noted that one or several control devices may be specified instead of the plurality of control devices 100, and information may be collected from the specified control device 100.

ステップ２０４では、把握する情報を特定する。把握する情報（特定情報）とは、前述した、本実施の形態では、（項目１）エネルギー管理情報、（項目２）製品品質情報、及び（項目３）設備保全情報の何れかの範疇に分類される情報であり、例えば、図６に示す、「プラント稼働状況に関する情報」に記載された情報から選択する。なお、図６に示す、「プラント稼働状況に関する情報」は一例であり、例えば、（項目１）のエネルギー管理の特定情報として、「二酸化炭素削減」に特化した特定情報を追加してもよい。この場合、二酸化炭素（ＣＯ_２）の排出量が確認できる測定項目が選択される。 In step 204, the information to be grasped is specified. The information to be grasped (specific information) is classified into one of (item 1) energy management information, (item 2) product quality information, and (item 3) equipment maintenance information in the above-mentioned embodiment. Information to be obtained, for example, selected from the information described in "Information on plant operating status" shown in FIG. The "information on the plant operating status" shown in FIG. 6 is an example, and for example, specific information specialized for "carbon dioxide reduction" may be added as the specific information for energy management in (item 1). .. In this case, a measurement item that can confirm the amount of carbon dioxide (CO ₂ ) emitted is selected.

次のステップ２０６では、選択した特定情報（項目１～項目３の何れか）の把握に必要な計測値情報及び制御値情報を取捨選択し（図６では、選択した情報に丸（○）印を付している。）、次いで、ステップ２０８へ移行して、予め定めた計算により特定情報を把握する。 In the next step 206, the measured value information and the control value information necessary for grasping the selected specific information (any of items 1 to 3) are selected (in FIG. 6, the selected information is marked with a circle (○)). ), Then, the process proceeds to step 208, and the specific information is grasped by a predetermined calculation.

なお、本実施の形態では、計算によって特定情報を把握するようにしたが、ＡＩ等を用いた機械学習によって予測するようにしてもよい。また、計算と機械学習を併用してもよい。 In this embodiment, the specific information is grasped by calculation, but it may be predicted by machine learning using AI or the like. Moreover, calculation and machine learning may be used together.

次のステップ２１０では、提供サービスを選択し、ステップ２１２へ移行する。 In the next step 210, the provided service is selected, and the process proceeds to step 212.

ステップ２１２では、ステップ２１０で選択した提供サービスが、生データの情報を提供するサービスか否かを判断する。このステップ２１２で肯定判定されると、ステップ２１４へ移行して生データ情報提供処理（図８参照）を実行し、このルーチンは終了する。 In step 212, it is determined whether or not the provided service selected in step 210 is a service that provides raw data information. If an affirmative determination is made in step 212, the process proceeds to step 214 to execute the raw data information providing process (see FIG. 8), and this routine ends.

また、ステップ２１２で否定判定された場合は、ステップ２１６へ移行して、ステップ２１０で選択した提供サービスが、運転パラメータデータの情報を提供するサービスか否かを判断する。このステップ２１６で肯定判定されると、ステップ２１８へ移行して運転パラメータデータ提供処理（図１０参照）を実行し、このルーチンは終了する。 If a negative determination is made in step 212, the process proceeds to step 216, and it is determined whether or not the provided service selected in step 210 is a service that provides information on operation parameter data. If an affirmative determination is made in step 216, the process proceeds to step 218 to execute the operation parameter data providing process (see FIG. 10), and this routine ends.

また、ステップ２１６で否定判定された場合は、ステップ２２０へ移行して、ステップ２１０で選択した提供サービスが、トレンド集計データの情報を提供するサービスか否かを判断する。このステップ２２０で肯定判定されると、ステップ２２２へ移行してトレンド集計データ提供処理（図１２参照）を実行し、このルーチンは終了する。 If a negative determination is made in step 216, the process proceeds to step 220, and it is determined whether or not the provided service selected in step 210 is a service that provides information on trend aggregate data. If an affirmative determination is made in step 220, the process proceeds to step 222 to execute the trend aggregation data provision process (see FIG. 12), and this routine ends.

また、ステップ２２０で否定判定された場合は、ステップ２２４へ移行して、ステップ２１０で選択した提供サービスが、運用改善アドバイスを提供するサービスか否かを判断する。このステップ２２４で肯定判定されると、ステップ２２６へ移行して運用改善アドバイス提供処理（図１４参照）を実行し、このルーチンは終了する。 If a negative determination is made in step 220, the process proceeds to step 224, and it is determined whether or not the provided service selected in step 210 is a service that provides operational improvement advice. If an affirmative judgment is made in step 224, the process proceeds to step 226 to execute the operation improvement advice providing process (see FIG. 14), and this routine ends.

また、ステップ２２４で否定判定された場合は、ステップ２２８へ移行して、ステップ２１０で選択した提供サービスが、最適運転プログラムを提供するサービスか否かを判断する。このステップ２２８で肯定判定されると、ステップ２２９へ移行して最適運転プログラム情報提供処理（図１６参照）を実行し、このルーチンは終了する。 If a negative determination is made in step 224, the process proceeds to step 228, and it is determined whether or not the provided service selected in step 210 is a service that provides an optimum operation program. If an affirmative determination is made in step 228, the process proceeds to step 229, the optimum operation program information provision process (see FIG. 16) is executed, and this routine ends.

また、ステップ２２８で否定判定された場合は、このルーチンは終了する。なお、複数のサービスの提供を選択した場合は、図７のルーチンを繰り返し実行すればよい。 If a negative determination is made in step 228, this routine ends. If the provision of a plurality of services is selected, the routine shown in FIG. 7 may be repeatedly executed.

（各提供処理の実施例）
以下に、ステップ２１４の生データ情報提供処理、ステップ２１８の運転パラメータ情報提供処理、ステップ２２２のトレンド集計データ提供処理、ステップ２２６の運用改善情報提供処理、及びステップ２２９の最適運転プログラム情報提供処理の実施例を示す。 (Example of each provision process)
Below, the raw data information provision process of step 214, the operation parameter information provision process of step 218, the trend aggregation data provision process of step 222, the operation improvement information provision process of step 226, and the optimum operation program information provision process of step 229. An example is shown.

（生データ情報提供処理）
図８は、図７のステップ２１４における生データ情報提供処理サブルーチンであり、ステップ２３０では、現状の原単位、生産量、温度等の状況をオンラインで監視し、次いで、ステップ２３２へ移行して、時系列にデータを収集し、収集データを保持(保管）し、このルーチンは終了する。 (Raw data information provision processing)
FIG. 8 is a raw data information providing processing subroutine in step 214 of FIG. 7. In step 230, the current status of the basic unit, production amount, temperature, etc. is monitored online, and then the process proceeds to step 232. Data is collected in chronological order, the collected data is retained (stored), and this routine ends.

アスファルトプラント１０のドラム１８（キルン）の燃焼加熱に用いられる燃料流量を流量計のデータから把握し、同様に、ベルトコンベヤ設備３６の回転数センサ４４から周波数を取得し、生産量を把握することで、アスファルトプラント１０の処理原単位と効率を取得することができる。 The fuel flow rate used for combustion heating of the drum 18 (kiln) of the asphalt plant 10 is grasped from the data of the flow meter, and similarly, the frequency is acquired from the rotation speed sensor 44 of the belt conveyor equipment 36 and the production amount is grasped. Then, the processing intensity and efficiency of the asphalt plant 10 can be obtained.

より具体的には、１バッチあたりの「ガス使用量（図６では、燃料流量）」と、「骨材フィーダー回転数」とから、前述した（２）式に基づき、１バッチあたりの「原単位」を計算する。そして、（２）式で得た処理原単位のトレンド情報を時系列的に収集して保持し、提供する。 More specifically, from the "gas usage amount (fuel flow rate in FIG. 6)" and "aggregate feeder rotation speed" per batch, the "raw material" per batch is based on the above-mentioned equation (2). Calculate the unit. Then, the trend information of the processing basic unit obtained by the equation (2) is collected, held, and provided in chronological order.

例えば、図９は、稼働月（経過時間）－原単位特性図である。この処理バッチ毎の原単位を含め、経過時間毎の種々のデータを取得し、取得したデータを当該アスファルトプラント１０に関連付けて保持し、保持された情報から得られるエネルギー管理の情報を事象に応じて送信することができる。 For example, FIG. 9 is an operating month (elapsed time) -basic unit characteristic diagram. Various data for each elapsed time including the basic unit for each processing batch are acquired, the acquired data is associated with the asphalt plant 10 and retained, and the energy management information obtained from the retained information is used according to the event. Can be sent.

（運転パラメータデータ提供処理）
図１０は、図７のステップ２１８における運転パラメータデータ提供処理サブルーチンであり、ステップ２４０では、処理バッチ毎、日別、月別等のデータに集計加工して稼働状況を把握し、次いで、ステップ２４２へ移行して、原単位、気温等のデータに加工して稼働状況を把握してステップ２４４へ移行する。ステップ２４４では、ステップ２４０、２４２で把握した稼働状況に基づいて、運転パラメータの最適値を提供し、このルーチンは終了する。 (Operation parameter data provision processing)
FIG. 10 is an operation parameter data providing processing subroutine in step 218 of FIG. 7, and in step 240, the data for each processing batch, daily, monthly, etc. is aggregated and processed to grasp the operating status, and then to step 242. After migrating, it is processed into data such as basic unit and temperature, the operating status is grasped, and the process proceeds to step 244. In step 244, the optimum value of the operation parameter is provided based on the operating condition grasped in steps 240 and 242, and this routine ends.

アスファルトプラント１０のエネルギー管理、製品品質、安全管理に関わるアドバイス情報は、圧力や温度等の量的データ（数値データ）だけでなく、図１１に示すようにオペレータ（Ａさん、Ｂさん、Ｃさん、Ｄさん、及びＥさん）等の質的データ（数値では表現しにくいデータ）を、機械学習を用いて解析するようにしてもよい。 The advice information related to energy management, product quality, and safety management of the asphalt plant 10 is not only quantitative data (numerical data) such as pressure and temperature, but also operators (Mr. A, Mr. B, Mr. C) as shown in FIG. , D, and E) and other qualitative data (data that is difficult to express numerically) may be analyzed using machine learning.

より具体的には、前述の（２）式に基づき、１バッチあたりの「原単位」を計算する。 More specifically, the "basic unit" per batch is calculated based on the above-mentioned equation (2).

量的データから（２）式で得た情報と、「オペレータ」等の質的データ情報とを組み合わせることで、オペレータごとの原単位データを蓄積し、蓄積した原単位データから、ＦＸ、株価、商品先物等のマーケットの解析に利用されているローソク足チャートを生成する（図１１参照）。このローソク足チャートを利用することで、オペレータごとの原単位の状況が視覚的に比較することができる。 By combining the information obtained by Eq. (2) from the quantitative data and the qualitative data information such as "operator", the basic unit data for each operator is accumulated, and from the accumulated basic unit data, FX, stock price, Generate a candlestick chart used for market analysis of commodity futures (see FIG. 11). By using this candlestick chart, it is possible to visually compare the situation of the basic unit for each operator.

図１１は、オペレータごとの原単位の状況を、ローソク足チャートで示した一例であり、点線の範囲内にｎ回の処理（Ａさんで言えば、９３回の処理）が含まれ、その内の２５％の処理の原単位が四角枠の範囲内であることを示す。なお、四角枠内の実線は、平均値である。 FIG. 11 is an example in which the situation of the basic unit for each operator is shown by a candlestick chart, and n times of processing (93 times of processing in the case of Mr. A) are included in the range of the dotted line. It shows that the basic unit of 25% of the processing is within the range of the square frame. The solid line in the square frame is an average value.

すなわち、量的データのみならず、図１１に示すような、アスファルト合材生産担当者（オペレータ）が誰だったのか（個人識別能力）といった質的データを集計することで、それらが原単位やデマンドの最大値等に及ぼす影響度について分析評価することができる。 That is, by aggregating not only quantitative data but also qualitative data such as who was the person in charge of asphalt mixture production (operator) (individual identification ability) as shown in FIG. 11, they can be used as basic units. It is possible to analyze and evaluate the degree of influence on the maximum value of demand.

なお、質的データには、上記オペレータが誰だったのかの差以外に、オペレータの勤務体系（日勤、夜勤等）、天候状況（晴れ、曇り、雨等）等が考えられ、少なくともる。 In addition to the difference in who the operator was, the qualitative data may include the operator's work system (day shift, night shift, etc.), weather conditions (sunny, cloudy, rain, etc.), and at least.

（トレンド集計データ提供処理）
図１２は、図７のステップ２２２におけるトレンド集計データ提供処理サブルーチンであり、ステップ２５０では、運転パラメータデータについて、基準点から改善度（節約）や劣化度（無駄遣い）として表現し、次いでステップ２５２へ移行して、稼働状況のトレンド変化を把握する。次のステップ２５４では、把握したトレンド変化に基づき、メンテナンス時期情報を提供し、このルーチンは終了する。 (Trend aggregate data provision processing)
FIG. 12 is a trend aggregation data providing processing subroutine in step 222 of FIG. 7, and in step 250, the operation parameter data is expressed as an improvement degree (saving) and a deterioration degree (wasteful use) from the reference point, and then to step 252. Make the transition and grasp the trend change of the operation status. In the next step 254, maintenance time information is provided based on the grasped trend change, and this routine ends.

過去のトレンドデータやバッチ毎の集計データの解析を行うことで、予防保全情報やメンテナンスのタイミング情報を取得する。これらのデータを取得し、取得したデータを当該アスファルトプラント１０に関連付けて保持し、保持された情報から得られるプラントの保全情報を事象に応じて送信する。 By analyzing past trend data and aggregated data for each batch, preventive maintenance information and maintenance timing information are acquired. These data are acquired, the acquired data is associated with the asphalt plant 10, and the maintenance information of the plant obtained from the retained information is transmitted according to an event.

より具体的には、バグフィルタの前後の差圧（図６では、バグ差圧）を時系列的に関しし、所定のしきい値を設けることで、当該しきい値を超えたときに、警告を出す。この警告により、故障する前にメンテナンスのアラートを出し、修繕等を行うことが可能となる。 More specifically, the differential pressure before and after the bug filter (bug differential pressure in FIG. 6) is related in time series, and by setting a predetermined threshold value, a warning is given when the threshold value is exceeded. Is issued. With this warning, it is possible to issue a maintenance alert and perform repairs, etc. before the failure occurs.

また、しきい値だけでなく、ＬＳＴＭ（Long Short Term Memory）等の機械学習手法を用いることで、異常が出る前の予兆を検知することが可能となり、余裕を持ったメンテナンス時期情報を提供することができる。 In addition to the threshold value, by using machine learning methods such as LSTM (Long Short Term Memory), it is possible to detect signs before an abnormality occurs, and provide maintenance timing information with a margin. be able to.

ＬＳＴＭは，ある程度長い時系列データに対しても学習ができるため、アスファルトプラント１０における骨材の加熱処理及び加熱処理の際の排ガスの集塵処理を主体とした、エネルギー管理、製品品質、及び設備保全を一括管理する際に適した機械学習手法ということができる。 Since LSTM can learn even for a long time series data to some extent, energy management, product quality, and equipment mainly for heat treatment of aggregate in asphalt plant 10 and dust collection treatment of exhaust gas during heat treatment. It can be said that it is a machine learning method suitable for centralized management of maintenance.

図１３は、集塵機４０の内部に設けられたバグフィルタの前後の差圧を、バグ差圧センサ７６で検出した、日毎の差圧の推移特性図である。 FIG. 13 is a daily differential pressure transition characteristic diagram in which the differential pressure before and after the bug filter provided inside the dust collector 40 is detected by the bug differential pressure sensor 76.

燃焼排ガスには、材料由来の粉塵が含まれているため、バグフィルタで詰まりが生じる。そこで、アスファルトプラント１０の起動時の製品が流れていないときのバグフィルタの前後の差圧を計測し、これを日毎に集計し、保持する。 Since the combustion exhaust gas contains dust derived from the material, the bug filter is clogged. Therefore, the differential pressure before and after the bug filter when the product at the start of the asphalt plant 10 is not flowing is measured, and this is totaled and held on a daily basis.

保持された情報から、予め定めたしきい値を超えた場合に、メンテナンス時期情報を提供することができる。 From the retained information, maintenance time information can be provided when a predetermined threshold value is exceeded.

（運用改善アドバイス提供処理）
図１４は、図７のステップ２２６における運用改善アドバイス提供処理サブルーチンであり、ステップ２６０では、過去のデータをもとに、操業状態の原単位の良さを判定する次のステップ２６２では、各種操業条件を考慮し、原単位が改善されるような運転パラメータの改善情報を提供し、このルーチンは終了する。 (Operation improvement advice provision process)
FIG. 14 is an operation improvement advice providing processing subroutine in step 226 of FIG. 7, and in step 260, various operating conditions are determined in the next step 262 of determining the goodness of the basic unit of the operating state based on the past data. This routine ends with the improvement information of the operating parameters such that the basic unit is improved.

より具体的には、過去のデータをもとに、「生産量」等の各種条件を考慮した、原単位の良し悪しの分類を行う（図１５に示す、原単位Ａ＞原単位Ｂ＞原単位Ｃといった良し悪しの相関等）。分類の結果は、処理後に運転の効率としてアナウンスしてもよい。 More specifically, based on the past data, the quality of the basic unit is classified in consideration of various conditions such as "production amount" (individual unit A> basic unit B> basic unit shown in FIG. 15). Good or bad correlation such as unit C). The result of the classification may be announced as the efficiency of operation after processing.

また、「気温」や「湿度」、「生産量」等の各種操業時の条件を考慮し、原単位が改善させるような「投入速度」等の運転パラメータの適正な運転範囲を提示し、改善情報を提供する。 In addition, considering various operating conditions such as "temperature", "humidity", and "production volume", the appropriate operating range of operating parameters such as "input speed" that can be improved by the basic unit is presented and improved. Provide information.

複数の運転目標を同時に満たす最適な運転パラメータを過去の運転データから機械学習により予測し、最適な運転制御パラメータの目標設定値を提供する。 Optimal operation parameters that satisfy multiple operation targets at the same time are predicted by machine learning from past operation data, and target setting values for optimum operation control parameters are provided.

図１５は、生産量と骨材投入速度との関係を特性図として整理した例である。図１５に示すような特性図に基づき、出荷に必要な生産量を生産する際に、エネルギーデマンドを上限値より低く抑え、かつ原単位を最小とする運転を可能するパラメータとその目標値を導出する。 FIG. 15 is an example in which the relationship between the production amount and the aggregate input speed is arranged as a characteristic diagram. Based on the characteristic diagram as shown in FIG. 15, when producing the production volume required for shipment, the parameters and their target values that enable operation while keeping the energy demand lower than the upper limit and minimizing the basic unit are derived. do.

（最適運転プログラム情報提供処理）
図１６は、図７のステップ２２９における最適運転プログラム情報提供処理サブルーチンであり、ステップ２７０では、過去の種々の取得データを読み出す。すなわち、活用するビッグデータを生成する。次のステップ２７２では、生成したビッグデータに基づいて、機械学習により最適運転方法を導出し、次いで、ステップ２７４へ移行して、最適運転方法を実行するための最適運転プログラムを構築して提供し、このルーチンは終了する。 (Optimal operation program information provision processing)
FIG. 16 is an optimum operation program information providing processing subroutine in step 229 of FIG. 7, and in step 270, various past acquired data are read out. That is, it generates big data to be utilized. In the next step 272, the optimum operation method is derived by machine learning based on the generated big data, and then the process proceeds to step 274 to construct and provide the optimum operation program for executing the optimum operation method. , This routine ends.

より具体的には、ステップ２７０での過去の運転データの収集後、この収集した運転データから、ＸＧＢｏｏｓｔ（eXtreme Gradient Boosting）、ＬＳＴＭ等の機械学習手法により学習したモデルを作成し、当該モデルに、当日の予定「生産量」や、当日の「気温」、「湿度」等の操業条件を入力すると、モデルからは、「骨材フィーダー回転数」等の各種運転パラメータの最適な組み合わせが出力され、この組み合わせに基づいて、最適運転プログラムを提供することができる。 More specifically, after collecting the past operation data in step 270, a model learned by a machine learning method such as XGBoost (eXtreme Gradient Boosting), LSTM, etc. is created from the collected operation data, and the model is used. When you enter the planned "production amount" of the day and the operating conditions such as "temperature" and "humidity" of the day, the model outputs the optimum combination of various operation parameters such as "aggregate feeder rotation speed". An optimum operation program can be provided based on this combination.

図１７は、生産量－原単位特性図であり、（Ａ）が現状の特性図、（Ｂ）が運転パラメータの最適化による改善後の予測特性図を示す。 17A and 17B are production volume-basic unit characteristic diagrams, where FIG. 17A shows the current characteristic diagram and FIG. 17B shows the predicted characteristic diagram after improvement by optimizing the operation parameters.

ビッグデータにより、図１７（Ａ）の特性図を解析（機械学習）することで、各バッチ処理の結果が比較的散らばっているのを、図１７（Ｂ）に示すように収束させるための最適運転プログラムを提供することができる。 By analyzing (machine learning) the characteristic diagram of FIG. 17 (A) with big data, the results of each batch process are relatively scattered, which is optimal for converging as shown in FIG. 17 (B). A driving program can be provided.

なお、本実施の形態において、乾燥工程中の各位置で計測値情報及び制御値情報を取得するセンサ等の位置は、図２及び図３に示される位置に限定されるものではなく、それぞれの目的とする情報を取得できれば、何れの位置であってもよい。また、一部の情報において、他の情報から予測可能であれば予測値としてもよく、他のファクタから計算可能であれば、計算値としてもよい。 In the present embodiment, the positions of the sensors and the like that acquire the measured value information and the control value information at each position during the drying process are not limited to the positions shown in FIGS. 2 and 3, respectively. Any position may be used as long as the desired information can be obtained. Further, in some information, if it can be predicted from other information, it may be a predicted value, and if it can be calculated from other factors, it may be a calculated value.

また、本実施の形態のアスファルトプラント１０は、直火式のバーナ２４によって加熱された雰囲気をドラム１８に供給する構成としたが、骨材の熱処理が可能であれば、雰囲気の生成は、蒸気や電気で生成してもよい。この場合、例えば、エネルギー管理情報として、燃料の流量に代えて、蒸気の水量や消費電力量とすればよい。その他の情報においても、同様に置き換え可能な情報は置き換えればよい。 Further, the asphalt plant 10 of the present embodiment is configured to supply the atmosphere heated by the direct-fired burner 24 to the drum 18, but if the heat treatment of the aggregate is possible, the atmosphere is generated by steam. Or may be generated by electricity. In this case, for example, the energy management information may be the amount of steam water or the amount of power consumption instead of the flow rate of fuel. As for other information, the replaceable information may be replaced in the same manner.

１０アスファルトプラント
１２ドライヤ設備
１４エレベータ
１６ミキシングタワー設備
１８ドラム
２０電流計
２２ホットホッパ
２４バーナ
２６骨材排出口
２７骨材温度センサ
２８燃料供給系統
３０燃料流量計
３２空気流量計
３４コールドホッパ
３６ベルトコンベヤ設備
３６Ａ骨材ホッパ
３７Ａ～３７Ｄ可変速フィーダー
３８排気ダクト
３９コンベヤ
４０集塵機
４２Ａ～４２Ｄ骨材センサ
４４回転数センサ
４６排ガス温度センサ
４８振動篩
５０骨材貯蔵ビン
５２骨材計量器
５４ミキサ
５６石粉サイロ
５８石粉計量器
６０アスファルトタンク
６２アスファルト計量器
６３専用トラック
６４、６８温度センサ
７０排風機
７２煙突
７４温度センサ
７６バグ差圧センサ
１００制御装置
１０２ネットワーク
１０４監視支援制御装置（量的データ取得部、質的データ取得部、情報生成部、情報提供部）
１０６出力デバイス
１０８マイクロコンピュータ
１０８ＡＣＰＵ
１０８ＢＲＡＭ
１０８ＣＲＯＭ
１０８Ｄ入出力部
１０８Ｅバス
１１０Ｉ／Ｆ
１１２大規模記録装置 10 Asphalt plant 12 Dryer equipment 14 Elevator 16 Mixing tower equipment 18 Drum 20 Current meter 22 Hot hopper 24 Burner 26 Aggregate outlet 27 Aggregate temperature sensor 28 Fuel supply system 30 Fuel flow meter 32 Air flow meter 34 Cold hopper 36 Belt conveyor Equipment 36A Aggregate hopper 37A-37D Variable speed feeder 38 Exhaust duct 39 Conveyor 40 Dust collector 42A-42D Aggregate sensor 44 Rotation sensor 46 Exhaust gas temperature sensor 48 Vibration sieve 50 Aggregate storage bin 52 Aggregate measuring instrument 54 Mixer 56 Stone powder silo 58 Stone powder measuring instrument 60 Asphalt tank 62 Asphalt measuring instrument 63 Dedicated truck 64, 68 Temperature sensor 70 Blower 72 Chimney 74 Temperature sensor 76 Bug differential pressure sensor 100 Control device 102 Network 104 Monitoring support control device (quantitative data acquisition unit, quality) Sensor data acquisition department, information generation department, information provision department)
106 Output device 108 Microcomputer 108A CPU
108B RAM
108C ROM
108D Input / output unit 108E Bus 110 I / F
112 Large-scale recording device

Claims

An operation support system for heat treatment equipment in an asphalt plant that produces asphalt mixture by mixing aggregates that have been heat-treated by heat treatment equipment with molten asphalt.
Energy management information that monitors the energy consumption state of the heat treatment facility, product quality information that monitors the product quality of the asphalt mixture that depends on the aggregate, and factors that interfere with the combustion state of the heat treatment facility are monitored. Quantitative data acquisition unit to acquire quantitative data including equipment maintenance information for
Qualitative data acquisition to acquire qualitative data at the time of asphalt mixture production from the individual identification ability of the operator who operates the heat treatment equipment, the work system of the operator, and the condition of the basic unit for each operator including the weather condition. Department and
Raw data based on the quantitative data acquired by the quantitative data acquisition unit, operation parameter data obtained by aggregating the raw data for a predetermined period for each qualitative data, and deterioration or improvement based on the operation parameter data. Generates aggregated information including trend aggregated data that aggregates trend changes, and produces the production volume required for shipping from the correlation between production volume and input speed based on past quantitative and qualitative data. Based on improvement information consisting of parameters that enable operation that keeps energy demand lower than the upper limit and minimizes the basic unit, and big data generated from past quantitative and qualitative data. An information generator that generates advice information including optimal operation program information for executing the optimum operation method for converging the results of each batch process by machine learning , and an information generation unit.
An information providing unit that provides any of the information generated by the information generating unit, and
Operation support system for heat treatment equipment.

The processing result of the qualitative data is the fluctuation width distribution of the basic unit for each batch processing of the qualitative object, and the information generation unit determines the degree of influence on the basic unit caused by the qualitative object. , The operation support system for the heat treatment equipment according to claim 1.

The energy management information is
The operation support system for the heat treatment equipment according to claim 1 or 2, which includes the combustion air ratio of the heat treatment equipment, the basic unit for heat treatment of the aggregate, and the fuel requirement amount with respect to the supply amount of the aggregate.

The product quality information is
The operation support system for a heat treatment facility according to any one of claims 1 to 3, which includes the drying temperature of the aggregate, the blending amount of the aggregate, and the production amount of the asphalt mixture.

The equipment maintenance information is
The operation support of the heat treatment equipment according to any one of claims 1 to 4, which includes clogging of a filter for removing dust of aggregate contained in exhaust gas, temperature of the heat treatment equipment, and state of an operating part in the heat treatment equipment. system.

Computer,
The function as the quantitative data acquisition unit, the qualitative data acquisition unit, the information generation unit, and the information provision unit in the operation support system of the heat treatment facility according to any one of claims 1 to 5.
Driving support program.