JP7144462B2 - プラント運転条件設定支援システム及び運転条件設定支援装置 - Google Patents

プラント運転条件設定支援システム及び運転条件設定支援装置 Download PDF

Info

Publication number
JP7144462B2
JP7144462B2 JP2019571877A JP2019571877A JP7144462B2 JP 7144462 B2 JP7144462 B2 JP 7144462B2 JP 2019571877 A JP2019571877 A JP 2019571877A JP 2019571877 A JP2019571877 A JP 2019571877A JP 7144462 B2 JP7144462 B2 JP 7144462B2
Authority
JP
Japan
Prior art keywords
values
plant
manipulated variable
regression model
value
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
JP2019571877A
Other languages
English (en)
Other versions
JPWO2019159280A1 (ja
Inventor
芳弘 山口
威公 安井
俊也 百瀬
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chiyoda Corp
Original Assignee
Chiyoda Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Chiyoda Corp filed Critical Chiyoda Corp
Publication of JPWO2019159280A1 publication Critical patent/JPWO2019159280A1/ja
Application granted granted Critical
Publication of JP7144462B2 publication Critical patent/JP7144462B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00Programme-control systems
    • G05B19/02Programme-control systems electric
    • G05B19/418Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • G05B19/41865Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by job scheduling, process planning, material flow
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00Machine learning
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B17/00Systems involving the use of models or simulators of said systems
    • G05B17/02Systems involving the use of models or simulators of said systems electric
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00Programme-control systems
    • G05B19/02Programme-control systems electric
    • G05B19/418Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00Administration; Management
    • G06Q10/06Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06Energy or water supply
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00Program-control systems
    • G05B2219/30Nc systems
    • G05B2219/37Measurements
    • G05B2219/37591Plant characteristics

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Business, Economics & Management (AREA)
  • General Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Artificial Intelligence (AREA)
  • Medical Informatics (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Computing Systems (AREA)
  • Quality & Reliability (AREA)
  • Automation & Control Theory (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Manufacturing & Machinery (AREA)
  • Tourism & Hospitality (AREA)
  • Health & Medical Sciences (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Educational Administration (AREA)
  • Public Health (AREA)
  • Primary Health Care (AREA)
  • Development Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Water Supply & Treatment (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Feedback Control In General (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Lifting Devices For Agricultural Implements (AREA)
  • Control Of Turbines (AREA)

Description

本発明は、プラントの運転条件の設定を支援するためのプラント運転条件設定支援システム、及びそのプラント運転条件設定支援システムに利用可能な学習装置及び運転条件設定支援装置に関する。
化学製品や工業製品などを生産するためのプラントにおいては、反応器や加熱炉などの多数の装置により一連のプロセスが実行されており、多数の装置のそれぞれを制御するための多数の操作量により運転条件が設定される。多段階のプロセスが実行されるプラントにおいては、多数の操作量が複雑に相互作用しうるため、操作量の変更による影響を予測することは容易ではなく、熟練したオペレータにより操作量が設定されてプラントが運転されている。
プラントにおいて実行されるプロセスを単位操作ごとに再現したプロセスシミュレータを組み合わせることにより、複数の単位操作の組合せを再現するためのシミュレーションモデルを構築することが試みられている(例えば、特許文献1参照)。
国際公開第2017/154181号
シミュレーションモデルは人手で調整されるため、多大な工数を必要とする上、現実のプロセスを再現する精度が調整者の経験やスキルに左右されうる。また、プロセスシミュレータにより再現することが困難な事象も存在しうるため、現実のプラントの運転状況を精確に再現するシミュレーションモデルを構築するのは困難であった。
本発明は、こうした状況を鑑みてなされたものであり、その目的は、プラントの好適な運転を実現することが可能な運転条件の設定を支援する技術を提供することにある。
上記課題を解決するために、本発明のある態様のプラント運転条件設定支援システムは、プラントの運転条件の設定を支援するためのプラント運転条件設定支援システムであって、プラントの運転条件を示す複数の状態量の値、及び、プラントの運転を制御するために設定される複数の操作量の値から、複数の状態量の値により示される運転条件で複数の操作量の値が設定された場合のプラントの運転結果を示す出力の予測値を算出するための回帰モデルを学習させる学習装置と、学習装置により学習された回帰モデルを使用して、プラントの運転を制御するために設定すべき複数の操作量の値を算出する運転条件設定支援装置と、を備える。学習装置は、複数の状態量の値と、複数の操作量の値と、複数の状態量の値により示される運転条件で複数の操作量の値が設定された場合のプラントの運転結果を示す出力の値との組合せの実績値を取得する実績値取得部と、実績値取得部により取得された複数の実績値に基づいて、回帰モデルを学習させる学習部と、学習部により学習された回帰モデルを運転条件設定支援装置に提供する回帰モデル提供部と、を備える。運転条件設定支援装置は、学習装置により学習された回帰モデルを取得する回帰モデル取得部と、複数の状態量の値を取得する状態量取得部と、状態量取得部により取得された複数の状態量により示される運転条件でプラントを運転する場合に、出力の値が所定の条件を充足するような複数の操作量の値を、回帰モデルを使用して算出する操作量算出部と、操作量算出部により算出された複数の操作量の値を出力する操作量出力部と、を備える。
この態様によると、プラントの運転結果を示す出力の値を向上させることが可能な操作量の値を迅速に算出して出力することができるので、手動又は自動による操作量の設定を的確に支援することができ、プラントの運転効率を向上させることができる。また、オペレータの経験やスキルなどに左右されることなく、的確にプラントの運転条件を設定することができるように支援することができる。
操作量算出部は、最適化問題の解法アルゴリズムを出力の値に適用することにより、複数の操作量の値を算出してもよい。
この態様によると、プラントの出力の値を最適化することが可能な複数の操作量の値を迅速かつ精確に算出することができるので、目的に応じて適切なプラントの運転条件の設定を支援することができる。
本発明の別の態様は、学習装置である。この装置は、プラントの運転条件を示す複数の状態量の値と、プラントの運転を制御するために設定される複数の操作量の値と、複数の状態量の値により示される運転条件で複数の操作量の値が設定された場合のプラントの運転結果を示す出力の値との組合せの実績値を取得する実績値取得部と、実績値取得部により取得された複数の実績値に基づいて、複数の状態量の値により示される運転条件で複数の操作量の値が設定された場合のプラントの運転結果を示す出力の予測値を算出するための回帰モデルを学習させる学習部と、学習部により学習された回帰モデルを、プラントの運転を制御するために設定すべき複数の操作量の値を算出する運転条件設定支援装置に提供する回帰モデル提供部と、を備える。
この態様によると、より迅速かつ精確にプラントの運転結果を示す出力の予測値を算出することができる。また、プロセスシミュレータなどにより再現することが困難な要素も加味された、より再現性の高い回帰モデルを生成することができる。
本発明のさらに別の態様は、運転条件設定支援装置である。この装置は、プラントの運転条件を示す複数の状態量の値、及び、プラントの運転を制御するために設定される複数の操作量の値から、複数の状態量の値により示される運転条件で複数の操作量の値が設定された場合のプラントの運転結果を示す出力の予測値を算出するための回帰モデルを学習させる学習装置から、学習装置により学習された回帰モデルを取得する回帰モデル取得部と、プラントの運転条件を示す複数の状態量の値を取得する状態量取得部と、状態量取得部により取得された複数の状態量により示される運転条件でプラントを運転する場合に、出力の値が所定の条件を充足するような複数の操作量の値を、回帰モデルを使用して算出する操作量算出部と、操作量算出部により算出された複数の操作量の値を出力する操作量出力部と、を備える。
この態様によると、プラントの運転結果を示す出力の値を向上させることが可能な操作量の値を迅速に算出して出力することができるので、手動又は自動による操作量の設定を的確に支援することができ、プラントの運転効率を向上させることができる。また、オペレータの経験やスキルなどに左右されることなく、的確にプラントの運転条件を設定することができるように支援することができる。
なお、以上の構成要素の任意の組合せ、本発明の表現を方法、装置、システム、記録媒体、コンピュータプログラムなどの間で変換したものもまた、本発明の態様として有効である。
本発明によれば、プラントの好適な運転を実現することが可能な運転条件の設定を支援する技術を提供することができる。
実施の形態に係るプラント運転条件設定支援システムの全体構成を示す図である。 実施の形態に係る運転条件設定支援装置及び制御装置の構成を示す図である。 操作パネルの表示装置に表示される表示画面の例を示す図である。
図1は、実施の形態に係るプラント運転条件設定支援システムの全体構成を示す。プラント3の運転条件の設定を支援するためのプラント運転条件設定支援システム1は、化学製品や工業製品などを生産するためのプラント3と、プラント3の運転条件を示す複数の状態量の値、及び、プラント3の運転を制御するために設定される複数の操作量の値から、複数の状態量の値により示される運転条件で複数の操作量の値が設定された場合のプラント3の運転結果を示す出力の予測値を算出するための回帰モデル8を学習させる学習装置4とを備える。それぞれのプラント3は、プラント3に設置された反応器や加熱炉などの制御対象装置10と、制御対象装置10の運転を制御するための操作量を設定する制御装置20と、学習装置4により学習された回帰モデル8を使用して、プラント3の運転を制御するために設定すべき複数の操作量の値を算出する運転条件設定支援装置30とを備える。それぞれのプラント3と学習装置4とは、インターネット2により接続されている。
学習装置4は、実績値取得部5、学習部6、回帰モデル提供部7、及び回帰モデル8を備える。これらの構成は、ハードウエアコンポーネントでいえば、任意のコンピュータのCPU、メモリ、メモリにロードされたプログラムなどによって実現されるが、ここではそれらの連携によって実現される機能ブロックを描いている。したがって、これらの機能ブロックがハードウエアのみ、ソフトウエアのみ、またはそれらの組合せによっていろいろな形で実現できることは、当業者には理解されるところである。
回帰モデル8は、プラント3の運転条件を示す複数の状態量の値と、プラント3の運転を制御するために設定された複数の操作量の値とに基づいて、複数の状態量の値により示される運転条件で複数の操作量の値が設定された場合のプラント3の運転結果を示す出力の予測値を算出するためのモデルである。すなわち、回帰モデル8は、プラント3において実行される個々のプロセスをシミュレートするものではなく、複数の状態量の値と複数の操作量の値とを用いた演算により出力の予測値を算出するものである。回帰モデル8は、複数の状態量の値及び複数の操作量の値と、出力の予測値を演算するための演算パラメータとを用いた演算により、出力の予測値を算出するものであってもよい。
出力の値は、プラント3の運転結果を示す任意の値であってもよく、例えば、プラント3により生産される製品の量、純度などの質、収率などであってもよいし、副産物や排ガスなどの量、濃度などであってもよいし、製品の生産に要する時間、エネルギー、原料や供給物などの量、質、温度などであってもよいし、プラント3の生産効率などを示す重要業績評価指標(KPI:Key Performance Indicator)などであってもよい。
実績値取得部5は、プラント3から、プラント3の運転条件を示す複数の状態量の値と、プラント3の運転を制御するために設定された複数の操作量の値と、複数の状態量の値により示される運転条件で複数の操作量の値が設定された場合のプラント3の運転結果を示す出力の値との組合せの実績値を取得する。
学習部6は、実績値取得部5により取得された複数の実績値に基づいて、回帰モデル8を学習させる。学習部6は、実績値取得部5により取得された複数の状態量の値及び複数の操作量の値を回帰モデル8に入力したときに、それらの値と組になっている出力の実績値に近い値が算出されるように、演算パラメータの値を調整してもよい。学習部6は、プラント3の出力の実績値を教師データとした教師あり学習により回帰モデル8を学習させてもよいし、その他の既知の任意の機械学習技術により回帰モデル8を学習させてもよい。
多数の実績値を用いて回帰モデル8を学習させることにより、回帰モデル8の精度を向上させることができるので、より精確にプラント3の運転結果を示す出力の予測値を算出することが可能な回帰モデル8を生成することができる。また、複雑なプロセスを再現するための高度なシミュレータを開発する必要がないので、回帰モデル8を生成するのに要する時間及び負荷を大幅に低減させることができる。また、シミュレータでは再現が困難であるような要素も加味することができるので、より精確に出力の予測値を算出することができる。
プラント3ごとに異なる回帰モデル8が学習されてもよいし、同種のプロセスを実行する複数のプラント3からの実績値を用いて、複数のプラント3に共通の回帰モデル8が学習されてもよい。
回帰モデル提供部7は、学習部6により学習された回帰モデル8を運転条件設定支援装置30に提供する。
本図においては、説明の簡略化のため、学習装置4を単独の装置として示しているが、学習装置4は、クラウドコンピューティング技術や分散処理技術などを利用して、複数のサーバにより実現されてもよい。これにより、プラント3から収集した大量の情報を高速に処理して回帰モデル8を学習させることができるので、回帰モデル8の精度を向上させるために要する時間を大幅に短縮することができる。
図2は、実施の形態に係る運転条件設定支援装置及び制御装置の構成を示す。制御装置20は、制御部21及び操作パネル22を備える。
操作パネル22は、プラント3の運転状況を示す各種の状態量の値と、制御装置20により設定された各種の操作量の設定値と、プラント3の運転結果を示す出力の値を表示装置に表示するとともに、各種の操作量の設定値の入力をオペレータから受け付ける。
制御部21は、操作量設定部23、状態量取得部24、状態量送信部25、及び実績値送信部26を備える。これらの機能ブロックも、ハードウエアのみ、ソフトウエアのみ、またはそれらの組合せによっていろいろな形で実現できる。
操作量設定部23は、操作パネル22によりオペレータから受け付けた各種の操作量の設定値を設定し、制御対象装置10を制御するとともに、操作パネル22の表示装置に表示する。状態量取得部24は、制御対象装置10などに設けられた各種のセンサや測定器などから、プラント3の運転状況及び運転結果を示す各種の状態量の値を取得し、操作パネル22の表示装置に表示する。状態量送信部25は、状態量取得部24により取得された状態量の値を運転条件設定支援装置30に送信する。実績値送信部26は、操作量設定部23により設定された操作量の値と、状態量取得部24により取得された状態量の値及び出力の値を、学習装置4に送信する。
運転条件設定支援装置30は、制御部31及び回帰モデル38を備える。
制御部31は、状態量取得部32、操作量算出部33、操作量出力部34、回帰モデル取得部35、予測値算出部36、及び予測値提示部37を備える。これらの機能ブロックも、ハードウエアのみ、ソフトウエアのみ、またはそれらの組合せによっていろいろな形で実現できる。
回帰モデル取得部35は、学習装置4により学習された回帰モデル8を取得し、記憶装置に回帰モデル38として格納する。状態量取得部32は、制御装置20の状態量送信部25から、複数の状態量の値を取得する。操作量算出部33は、状態量取得部32により取得された複数の状態量により示される運転条件でプラント3を運転する場合に、出力の値が所定の条件を充足するような複数の操作量の値を、回帰モデル38を使用して算出する。操作量出力部34は、操作量算出部33により算出された複数の操作量の値を制御装置20へ出力する。出力された操作量の値は、オペレータが操作量の値を手動で入力する際に参照するために操作パネル22に提示されてもよいし、自動的に操作量設定部23に入力されてもよい。
操作量算出部33は、最適化問題の解法アルゴリズムを、目的に応じた出力の値に適用することにより、その出力の値を最適化することが可能な複数の操作量の値を算出する。例えば、最終製品の生産効率を最大化することが可能な最適運転設定点を求めたい場合は、状態量取得部32により取得された複数の状態量を固定値とし、複数の操作量の値を変数として、最終製品の生産効率を示すKPIを算出するための回帰モデル8に入力することにより算出されるKPIの予測値が最大となる複数の操作量の値を、最適化問題の解法アルゴリズムにより算出する。最適化問題の解法アルゴリズムとしては、勾配法やネルダー-ミード法など、既知の任意のアルゴリズムを使用してもよい。
KPIなどの予測値をシミュレータにより算出する場合には、複数の状態量の値と複数の操作量の値の1つの組に対応するKPIの値を算出するだけでもかなりの計算量と時間を要する。したがって、全ての操作量の操作可能な全範囲の値にわたって膨大な量のKPIの予測値を算出し、KPIの予測値が最大となるような複数の操作量の値を探索するには、数週間から数ヶ月もの期間を要する場合がある。探索に要する期間を短縮するためには、KPIの予測値を算出する組を削減する必要があるので、真に最適な運転設定点が探索できない可能性もある。さらに、個々の工程を再現するプロセスシミュレータを組み合わせてプロセス全体をシミュレートする場合には、個々の工程において最適解が算出できたとしても、プロセス全体としての最適解に収束しない場合がある。このように、従来の技術では、プラント3の運転設定点を変更するのは容易ではなく、プラント3において設定されている複数の操作量の値が、そのときの複数の状態量により示される運転状況において最適な運転設定点ではないとしても、最適な運転設定点に変更するのは困難であった。
それに対して、本実施の形態の技術によれば、精度の高い回帰モデル8を機械学習により得ることができるので、複数の状態量の値と複数の操作量の値の1つの組に対応する出力の値を迅速かつ精確に算出することができる。したがって、所定の条件を充足するような出力の値を与える複数の操作量の値を短期間に探索して出力することができるので、複数の状態量の変化に応じて最適な操作量の値を設定することができ、プラント3の運転を最適化することができる。また、複数の状態量の値と複数の操作量の値の1つの組に対応する出力の予測値を短時間で算出することができるので、より多くの組について出力の予測値を算出して最適運転設定点を探索することができる。これにより、どんな最適化問題の解法アルゴリズムによっても、局所的な極値につかまらずに、全域的な最大値又は最小値を探索することができるので、真の最適解を算出することができる。
予測値算出部36は、複数の状態量と、複数の操作量を回帰モデル38に代入することにより、出力の予測値を算出する。予測値提示部37は、予測値算出部36により算出された出力の予測値を操作パネル22に提示する。例えば、状態量取得部32により取得された現在の状態量の値と、制御装置20の操作量設定部23により実際に設定された複数の操作量の設定値とに基づいて、現在のKPIなどの出力の値を算出して提示してもよい。また、環境の変化などにより状態量の変化が今後予測される場合に、変化後の状態量の値と、現在の操作量の設定値とに基づいて、今後の出力の予測値を算出して提示してもよい。また、オペレータが操作量の設定値の変更を検討しているときに、現在の状態量の値と、変更後の操作量の設定値とに基づいて、変更後の出力の予測値を算出して提示してもよい。これにより、オペレータによる運転条件の設定を適切に支援することができる。
図3は、操作パネルの表示装置に表示される表示画面の例を示す。表示画面には、プラント3のプロセスフロー図と、運転条件に関する状態量の値と、運転結果に関する状態量の値と、複数の操作量の設定値が表示されている。オペレータが、プラント3の運転結果を示す出力の値の条件を設定すると、操作量算出部33は、回帰モデル38を使用して、条件を充足する最適な操作量の値を算出する。操作量出力部34は、算出された操作量の値を表示画面に表示する。また、操作量出力部34は、算出された操作量の値に変更した場合と変更しなかった場合のプラント3の運転結果を示す出力の値の時間変化を示すグラフを表示画面に表示する。操作量出力部34は、出力の値を表示画面に表示する際に、その値が実績値に対応するものであるか予測値に対応するものであるかを識別可能に表示してもよい。オペレータは、提示された操作量の値を参考にして、操作量の設定値を決定し、操作パネル22に入力する。操作量設定部23は、入力された設定値に基づいて制御対象装置10を制御する。
操作量出力部34により出力された操作量の値が操作量設定部23に直接入力され、自動的に制御対象装置10に設定されてもよい。この場合、制御対象装置10に自動的に設定された操作量の値は、操作パネル22に提示されてもよいし、提示されなくてもよい。操作量出力部34により出力される操作量の値を操作量設定部23に直接入力する自動モードと、操作量設定部23に直接入力せずに操作パネル22に提示して、操作量の値をオペレータに手動で入力させる手動モードとの間で運転モードが切替可能とされてもよい。
以上、本発明を実施例をもとに説明した。この実施例は例示であり、それらの各構成要素や各処理プロセスの組合せにいろいろな変形例が可能なこと、またそうした変形例も本発明の範囲にあることは当業者に理解されるところである。
本発明の技術は、連続工程のプラントにも、バッチ工程のプラントにも適用可能である。
1 プラント運転条件設定支援システム、3 プラント、4 学習装置、5 実績値取得部、6 学習部、7 回帰モデル提供部、8 回帰モデル、10 制御対象装置、20 制御装置、22 操作パネル、23 操作量設定部、24 状態量取得部、25 状態量送信部、26 実績値送信部、30 運転条件設定支援装置、32 状態量取得部、33 操作量算出部、34 操作量出力部、35 回帰モデル取得部、36 予測値算出部、37 予測値提示部、38 回帰モデル。
本発明は、プラントの運転条件の設定を支援するためのプラント運転条件設定支援システムに利用可能である。

Claims (3)

  1. プラントの運転条件の設定を支援するためのプラント運転条件設定支援システムであって、
    前記プラントの運転条件を示す複数の状態量の値、及び、前記プラントの運転を制御するために設定される複数の操作量の値から、前記複数の状態量の値により示される運転条件で前記複数の操作量の値が設定された場合の前記プラントの運転結果を示す出力の予測値を算出するための回帰モデルを学習させる学習装置と、
    前記学習装置により学習された前記回帰モデルを使用して、前記プラントの運転を制御するために設定すべき前記複数の操作量の値を算出する運転条件設定支援装置と、
    を備え、
    前記学習装置は、
    前記複数の状態量の値と、前記複数の操作量の値と、前記複数の状態量の値により示される運転条件で前記複数の操作量の値が設定された場合の前記プラントの運転結果を示す出力の値との組合せの実績値を取得する実績値取得部と、
    前記実績値取得部により取得された複数の実績値に基づいて、前記回帰モデルを学習させる学習部と、
    前記学習部により学習された前記回帰モデルを前記運転条件設定支援装置に提供する回帰モデル提供部と、
    を備え、
    前記運転条件設定支援装置は、
    前記学習装置により学習された前記回帰モデルを取得する回帰モデル取得部と、
    前記複数の状態量の値を取得する状態量取得部と、
    前記状態量取得部により取得された前記複数の状態量により示される運転条件で前記プラントを運転する場合に、前記複数の操作量に異なる複数の値を設定したときの出力の値を前記回帰モデルを使用して算出することにより、前記出力の値が所定の条件を充足するような前記複数の操作量の値を探索する操作量算出部と、
    前記操作量算出部により算出された前記複数の操作量の値を出力する操作量出力部と、
    を備えることを特徴とするプラント運転条件設定支援システム。
  2. 前記操作量算出部は、最適化問題の解法アルゴリズムを前記出力の値に適用することにより、前記複数の操作量の値を算出することを特徴とする請求項1に記載のプラント運転条件設定支援システム。
  3. プラントの運転条件を示す複数の状態量の値、及び、前記プラントの運転を制御するために設定される複数の操作量の値から、前記複数の状態量の値により示される運転条件で前記複数の操作量の値が設定された場合の前記プラントの運転結果を示す出力の予測値を算出するための回帰モデルを学習させる学習装置から、前記学習装置により学習された回帰モデルを取得する回帰モデル取得部と、
    プラントの運転条件を示す複数の状態量の値を取得する状態量取得部と、
    前記状態量取得部により取得された前記複数の状態量により示される運転条件で前記プラントを運転する場合に、前記複数の操作量に異なる複数の値を設定したときの出力の値を前記回帰モデルを使用して算出することにより、前記出力の値が所定の条件を充足するような前記複数の操作量の値を探索する操作量算出部と、
    前記操作量算出部により算出された前記複数の操作量の値を出力する操作量出力部と、
    を備えることを特徴とする運転条件設定支援装置。
JP2019571877A 2018-02-15 2018-02-15 プラント運転条件設定支援システム及び運転条件設定支援装置 Active JP7144462B2 (ja)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2018/005252 WO2019159280A1 (ja) 2018-02-15 2018-02-15 プラント運転条件設定支援システム、学習装置、及び運転条件設定支援装置

Publications (2)

Publication Number Publication Date
JPWO2019159280A1 JPWO2019159280A1 (ja) 2021-01-28
JP7144462B2 true JP7144462B2 (ja) 2022-09-29

Family

ID=67618913

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2019571877A Active JP7144462B2 (ja) 2018-02-15 2018-02-15 プラント運転条件設定支援システム及び運転条件設定支援装置

Country Status (6)

Country Link
US (1) US11320811B2 (ja)
JP (1) JP7144462B2 (ja)
AU (1) AU2018408886A1 (ja)
RU (1) RU2767009C1 (ja)
TW (1) TWI801502B (ja)
WO (1) WO2019159280A1 (ja)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11868098B2 (en) * 2021-11-12 2024-01-09 Phaidra, Inc. Chiller and pump control using customizable artificial intelligence system
JPWO2023119544A1 (ja) * 2021-12-23 2023-06-29

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000181526A (ja) 1998-12-16 2000-06-30 Chugoku Electric Power Co Inc:The プラント状態推定・予測装置及び方法
JP2000222005A (ja) 1999-02-03 2000-08-11 Hitachi Ltd プロセスの制御装置
JP2001242905A (ja) 2000-02-28 2001-09-07 Hitachi Ltd プロセス制御方法および装置
JP2002091505A (ja) 2000-09-14 2002-03-29 Toshiba Corp モデル同定装置

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH11325433A (ja) * 1998-05-15 1999-11-26 Kobe Steel Ltd 流動床式焼却炉の制御方法及びその装置
EP1288757A1 (de) * 2001-08-07 2003-03-05 Siemens Aktiengesellschaft Verfahren und Prozessleitsystem zum Betrieb einer technischen Anlage
US10734293B2 (en) * 2014-11-25 2020-08-04 Pdf Solutions, Inc. Process control techniques for semiconductor manufacturing processes
JP6501593B2 (ja) * 2015-04-03 2019-04-17 住友化学株式会社 予測ルール生成システム、予測システム、予測ルール生成方法及び予測方法
US10671131B2 (en) * 2015-06-05 2020-06-02 Apple Inc. Predictive control systems and methods
MY190843A (en) 2016-03-10 2022-05-12 Jgc Corp Method of determining mixed refrigerant composition for natural gas liquefying apparatus
EP3364519A1 (en) * 2017-02-15 2018-08-22 ABB Schweiz AG Method for controlling electric power conversion system and control arrangement for electric power conversion system
CN110521234A (zh) * 2017-02-16 2019-11-29 阿尔卡特朗讯爱尔兰有限公司 使用深度学习进行网络自优化的方法和系统
US10084805B2 (en) * 2017-02-20 2018-09-25 Sas Institute Inc. Computer system to identify anomalies based on computer-generated results
DE102017203836A1 (de) * 2017-03-08 2018-09-13 Siemens Aktiengesellschaft Verfahren und System zum Bestimmen einer erwarteten Lebensdauer eines elektrischen Betriebsmittels
US20190165966A1 (en) * 2017-11-25 2019-05-30 Ruptub Solutions Private Limited Method and system for quality control of a facility based on machine learning
GB201800473D0 (en) * 2018-01-11 2018-02-28 Microsoft Technology Licensing Llc Knowledge base construction
US10664999B2 (en) * 2018-02-15 2020-05-26 Adobe Inc. Saliency prediction for a mobile user interface

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000181526A (ja) 1998-12-16 2000-06-30 Chugoku Electric Power Co Inc:The プラント状態推定・予測装置及び方法
JP2000222005A (ja) 1999-02-03 2000-08-11 Hitachi Ltd プロセスの制御装置
JP2001242905A (ja) 2000-02-28 2001-09-07 Hitachi Ltd プロセス制御方法および装置
JP2002091505A (ja) 2000-09-14 2002-03-29 Toshiba Corp モデル同定装置

Also Published As

Publication number Publication date
US11320811B2 (en) 2022-05-03
RU2767009C1 (ru) 2022-03-16
WO2019159280A1 (ja) 2019-08-22
US20200379452A1 (en) 2020-12-03
TW201937319A (zh) 2019-09-16
TWI801502B (zh) 2023-05-11
JPWO2019159280A1 (ja) 2021-01-28
AU2018408886A1 (en) 2020-08-20

Similar Documents

Publication Publication Date Title
US10585425B2 (en) Controlling multi-stage manufacturing process based on internet of things (IOT) sensors and cognitive rule induction
Alford Bioprocess control: Advances and challenges
WO2020039683A1 (ja) 細胞培養支援装置の作動プログラム、細胞培養支援装置、細胞培養支援装置の作動方法
Zhu et al. Toward a low cost and high performance MPC: The role of system identification
WO2019098158A1 (ja) プラント管理システム及び管理装置
JP7144462B2 (ja) プラント運転条件設定支援システム及び運転条件設定支援装置
CN106843172A (zh) 基于jy‑kpls的复杂工业过程在线质量预测方法
JP2020135758A (ja) 予測制御開発装置、予測制御開発方法、及び予測制御開発プログラム
KR20090046742A (ko) 예측 서비스의 사용자-지정 구성
Petsagkourakis et al. Reinforcement learning for batch-to-batch bioprocess optimisation
Lopez-Guede et al. On the influence of the prediction horizon in dynamic matrix control
Zhu et al. A dynamic soft senor modeling method based on MW-ELWPLS in marine alkaline protease fermentation process
JP2010146137A (ja) パラメータ調整支援装置
Yakovis et al. Creativity and heuristics in process control engineering
CN112750500A (zh) 装置、方法及存储介质
Muldbak et al. Digital Twin of a pilot-scale bio-production setup
TWI830193B (zh) 預測系統、資訊處理裝置以及資訊處理程式
TWI833666B (zh) 支援方法、支援裝置以及支援程式
JP6988950B2 (ja) シミュレーション方法、シミュレーションプログラムおよびシミュレータ
WO2022239535A1 (ja) 抗体生成支援方法、および抗体生成支援用プログラム
JP5614630B2 (ja) プラント運転支援装置及びプラント運転支援方法
Gampfer et al. Applications of MVA for product quality management: continued process verification and continuous improvement
Lee et al. Digital application of bioreactor monitoring
Rathore et al. Digitalization: The Route to Biopharma 4.0: The implementation of Industry 4.0 is projected to save time and cost for designing an optimal manufacturing process.
JP2022148258A (ja) シミュレーション装置、シミュレーションシステム、シミュレーション方法、およびシミュレーションプログラム

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20201013

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20211124

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20220118

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20220614

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20220722

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: 20220913

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20220915

R150 Certificate of patent or registration of utility model

Ref document number: 7144462

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150