JP7183131B2 - 情報処理装置、運転支援システム、情報処理方法、および情報処理プログラム - Google Patents

Description

本発明は、機械設備の運転支援に利用可能な情報を生成する情報処理装置等に関する。

機械設備を運転するオペレータは、機械設備に設けられたセンサの出力値等から機械設備の状態を把握して、機械設備に対する操作を行う。このような機械設備の運転を支援するシステムの開発が従来から進められている。例えば、下記の特許文献１には、流量、圧力、温度等の測定データを含むプロセスデータに基づいてプラントの推定値を出力し、該推定値に基づいてプラントの未来の状態を予測してプラントにおける予測値を出力するプラント支援装置が開示されている。

特開２０１８－１１２９０３号公報

上述のような従来技術では、物理・化学モデル式から構成されるシミュレーションモデルを用いてプラントの推定値を得ている。このようなシミュレーションモデルは、多数のパラメータの設定を行う必要があって作成コストが高く、また、プラントに特化したものとする必要があるため汎用性が低いという問題がある。

本発明の一態様は、機械設備の運転支援に利用可能な情報を生成することができるとともに、汎用化が容易な情報処理装置等を実現することを目的とする。

上記の課題を解決するために、本発明の一態様に係る情報処理装置は、機械設備に設けられた複数のセンサの所定期間における出力値であるかまたは該出力値を用いて算出された数値であるセンサデータを取得するデータ取得部と、複数の上記センサのうちの２つからなるセンサの組の関係性を示す関係指標を、当該組に係るセンサについて取得された各センサデータの分布状況に基づいて算出する関係指標算出部と、複数の上記センサの各組について算出された上記関係指標を用いて、上記所定期間における上記機械設備の状態を示す情報を生成する状態情報生成部と、を備えている。

また、上記の課題を解決するために、本発明の一態様に係る運転支援システムは、機械設備の運転を支援する運転支援システムであって、情報処理装置と、上記機械設備に設けられた複数のセンサと、を含み、上記情報処理装置は、上記複数のセンサの所定期間における出力値であるかまたは該出力値を用いて算出された数値であるセンサデータを取得し、複数の上記センサのうちの２つからなるセンサの組の関係性を示す関係指標を、当該組に係るセンサについて取得された各センサデータの分布状況に基づいて算出し、複数の上記センサの各組について算出された上記関係指標を用いて、上記所定期間における上記機械設備の状態を示す情報を生成し、出力する。

また、上記の課題を解決するために、本発明の一態様に係る情報処理方法は、情報処理装置が実行する情報処理方法であって、機械設備に設けられた複数のセンサの所定期間における出力値であるかまたは該出力値を用いて算出された数値であるセンサデータを取得するデータ取得ステップと、複数の上記センサのうちの２つからなるセンサの組の関係性を示す関係指標を、当該組に係るセンサについて取得された各センサデータの分布状況に基づいて算出する関係指標算出ステップと、複数の上記センサの各組について算出された上記関係指標を用いて、上記所定期間における上記機械設備の状態を示す情報を生成する状態情報生成ステップと、を含む。

本発明の一態様によれば、機械設備の状態を示す情報という機械設備の運転支援に有用な情報を生成することができる。また、他の機械設備のセンサデータを取得すれば、その機械設備の状態を示す情報を生成することができるから、汎用化が容易である。

本発明の実施形態１に係る情報処理装置の要部構成の一例を示すブロック図である。 上記情報処理装置を含む運転支援システムの概要を説明するための図である。 センサデータの区分例と関係指標の算出例を示す図である。 ２つのセンサがそれぞれ出力したセンサデータの値の区分結果の例を示す図である。 ごみ焼却プラントの状態を示す相関マップの例を示す図である。 重みの設定例を示す図である。 相関マップの変化の例を示す図である。 上記情報処理装置が実行する処理の一例を示すフローチャートである。 本発明の実施形態２に係る情報処理装置の構成と該情報処理装置が実行する処理の流れを示す図である。 安定指数の算出例を示す図である。 本発明の実施形態３に係る情報処理装置の構成とセンサデータの値の予測方法の概要を示す図である。 本発明の実施形態４に係る情報処理装置の構成例を示すブロック図である。

〔実施形態１〕
（システム概要）
本発明の一実施形態に係る運転支援システム１００の概要を図２に基づいて説明する。図２は、運転支援システム１００の概要を説明するための図である。運転支援システム１００は、各種機械設備の運転を支援するためのシステムであり、図示のようにセンサＳ１～Ｓｎと情報処理装置１Ａを含む。なお、センサＳ１～Ｓｎを区別する必要のないときには単にセンサＳと記載する。

本実施形態では、運転支援システム１００により、ごみ焼却プラントＰの運転を支援する例を説明する。ごみ焼却プラントＰは、ごみを焼却する焼却炉を備えていると共に、焼却炉で発生した熱を利用して発電する発電設備を備えている。なお、運転支援システム１００の支援対象は、その動作状態をセンサ等により把握可能なものであり、かつ、人または自動で動作制御（運転）される機械設備であればよく、ごみ焼却プラントＰに限られない。例えば、運転支援システム１００は、風力発電設備等の運転を支援することもできる。

センサＳは、プラントの状態に関する所定の物理量またはその変化量を検出して、その検出結果を示すセンサデータを情報処理装置１Ａに出力する。センサＳ１～Ｓｎの検出対象はそれぞれ異なっている。上述のように、本実施形態ではごみ焼却プラントＰの運転を支援するため、センサＳは、ごみ焼却プラントＰ内の各所に設置しておく。例えば、センサＳには、焼却炉内の温度を示す温度センサや、排出ガスにおける一酸化炭素濃度を検出するセンサ等が含まれていてもよい。

また、センサＳは、ごみ焼却プラントＰの一部の機械設備に対して設けられていてもよい。例えば、焼却炉に対して複数のセンサＳを設ければ、焼却炉の状態を示す情報を情報処理装置１Ａに出力させることができる。より具体的には、燃焼状態を示す情報を出力させる場合、温度計、空気流量計、火格子速度の計測器等の焼却炉周りに配置されたセンサＳを用いてもよい。また、機械設備の一部分に複数のセンサＳを設ければ、その部分に関する情報を情報処理装置１Ａに出力させることができる。例えば、焼却炉からの排出ガスに関する複数のセンサＳ（例えば、炉内温度計、ごみ層の厚さの計測器、ＣＯ濃度計等）を設ければ、排出ガスに関する情報を情報処理装置１Ａに出力させることができる。

詳細は以下説明するが、情報処理装置１Ａは、複数のセンサＳの所定期間における出力値であるセンサデータを取得する。続いて、情報処理装置１Ａは、複数のセンサＳのうちの２つからなるセンサＳの組の関係性を示す関係指標を、当該組に係るセンサＳについて取得された各センサデータの分布状況（各センサデータがどのように分布しているか）に基づいて算出する。そして、情報処理装置１Ａは、複数のセンサＳの各組について算出された関係指標を用いて、上記所定期間における機械設備の状態を示す情報を生成し、出力する。これにより、機械設備の状態を示す情報という機械設備の運転支援に有用な情報を生成することができる。また、情報処理装置１Ａは、他の機械設備のセンサデータを取得すれば、その機械設備の状態を示す情報を生成することができるから、汎用化が容易である。

なお、センサＳの組におけるセンサデータの分布態様の関係が、機械設備の状態を反映させたものとなることは、本願発明者らの実験により確認されている。さらに、上記の構成によれば、特許文献１のような一般的な分析手法では対応しにくい非線形性を持った関係性を捉えることが可能であることも確認されている。

図２の例において、機械設備の状態を示す情報とは、ごみ焼却プラントＰの状態を示すマップＭ１１１～Ｍ１１３である。マップＭ１１１は、ごみ焼却プラントＰが安定した稼働状態である安定期間のセンサデータを用いて生成したものであり、マップＭ１１３は、ごみ焼却プラントＰの稼働状態が不安定となった不安定期間のセンサデータを用いて生成したものである。また、マップＭ１１２は、不安定期間の直前の期間である不安定直前期間のセンサデータを用いて生成したものである。なお、安定～不安定の基準は任意に設定すればよく、例えば、発電に使用する蒸気量が正常範囲内にある期間を安定期間とし、蒸気量が正常範囲を超える期間を不安定期間としてもよい。

図示のように、マップＭ１１１～Ｍ１１３には、安定期間から不安定期間までのごみ焼却プラントＰの状態が反映されている。より詳細には、マップＭ１１１～Ｍ１１２からは、安定期間から不安定直前期間にかけて、マップ全体の色が薄くなっていることが読み取れる。また、マップＭ１１２～Ｍ１１３からは、不安定直前期間から不安定期間にかけて、マップ全体の色がさらに薄くなっていることが読み取れる。

したがって、ごみ焼却プラントＰのオペレータ等は、マップの全体の色の濃さや色の分布から、ごみ焼却プラントＰの状態が、安定期間から不安定期間の何れの期間の状態に近いかを判断することができる。つまり、オペレータ等は、最新のセンサデータに基づいて生成されたマップの全体の色の濃さや色の分布がマップＭ１１１に近ければ安定期間であると判断でき、マップＭ１１３に近ければ不安定期間であると判断できる。

また、不安定直前期間のマップＭ１１２と、安定期間のマップＭ１１１とは外観で識別可能である。つまり、情報処理装置１Ａが生成するマップには、不安定化の予兆が表れる。よって、オペレータ等は、情報処理装置１Ａが生成するマップを参照することにより、不安定期間となる前の段階で、ごみ焼却プラントＰを安定化させるための対応を取ることができる。これにより、ごみ焼却プラントＰが不安定な状態となることを未然に防ぐ事ができる。

（装置構成）
情報処理装置１Ａのより詳細な構成について図１に基づいて説明する。図１は、情報処理装置１Ａの要部構成の一例を示すブロック図である。図示のように、情報処理装置１Ａは、情報処理装置１Ａの各部を統括して制御する制御部１０Ａと、情報処理装置１Ａが使用する各種データを記憶する記憶部１１を備えている。また、制御部１０Ａには、データ取得部１０１、区分部１０２、関係指標算出部１０３、およびマップ生成部１０４が含まれている。

さらに、情報処理装置１Ａは、情報処理装置１Ａに対する情報の入力を受け付ける入力部１２と、情報処理装置１Ａが情報を出力するための出力部１３を備えている。入力部１２と出力部１３は、情報処理装置１Ａに外付けされた、情報処理装置１Ａの外部の装置であってもよい。本実施形態では、入力部１２が、センサＳの出力するセンサデータの入力を受け付ける入力インターフェース部であり、出力部１３が画像を表示出力する表示装置である例を説明する。なお、入力部１２と出力部１３は情報の入出力機能を有するものであればよく、これらの例に限られない。

データ取得部１０１は、上述したセンサＳの出力値であるセンサデータを取得する。なお、データ取得部１０１は、センサＳの出力値を用いて算出された数値（例えば出力値を正規化した値や出力値からノイズ成分を除いた値等）をセンサデータとして取得してもよい。センサデータは、プロセスデータと呼ぶこともできる。また、データ取得部１０１は、センサデータに加えて、ごみ焼却プラントＰに含まれる各種機械設備の動作設定値（例えば動作速度の設定値等）を取得してもよい。このような動作設定値もセンサデータと同様に扱うことができる。

区分部１０２は、データ取得部１０１が取得したセンサデータをその値の大きさにより複数の集合に区分する。集合の設定方法、区分方法の詳細については図３等に基づいて後述する。

関係指標算出部１０３は、複数のセンサＳのうちの２つからなるセンサＳの組の関係性を示す関係指標を、当該組に係るセンサＳについて取得された各センサデータがどのように分布しているかに基づいて算出する。具体的には、関係指標算出部１０３は、複数の集合のそれぞれに区分されているセンサデータの度数から関係指標を算出する。これにより、各センサ間の関係を簡易な処理で数値化することができる。関係指標の算出方法の詳細については図３等に基づいて後述する。

マップ生成部１０４は、センサＳの各組について関係指標算出部１０３が算出した関係指標を用いて、所定期間における機械設備（本実施形態ではごみ焼却プラントＰ）の状態を示す情報であるマップを生成する。詳細は後述するが、マップ生成部１０４が生成するマップは、センサＳの各組について算出された関係指標の値に応じたパターンが、画像平面上に規定された各組に対応する各区画に描画された画像である。マップ生成部１０４は、このようなマップを生成し、出力部１３等に表示出力させることにより、ごみ焼却プラントＰのオペレータ等に、当該ごみ焼却プラントＰの状態を視覚的に認識させることができる。上記マップは、ごみ焼却プラントＰの状態を示す情報であるから、マップ生成部１０４を状態情報生成部と呼ぶこともできる。

（センサデータの区分と関係指標の算出）
区分部１０２によるセンサデータの区分と、関係指標算出部１０３による関係指標の算出について図３に基づいて説明する。図３は、センサデータの区分例と関係指標の算出例を示す図である。

図３の１２１には、センサＳ１～Ｓｎのうちの１つであるセンサＳＡが出力したセンサデータの値と、センサＳ１～Ｓｎのうちの他の１つであるセンサＳＢが出力したセンサデータの値との関係を示している。より詳細には、図３の１２１は、センサＳＡの出力したセンサデータの値と、センサＳＢの出力したセンサデータの値とを組にした座標を、座標平面にプロットしたものである。この座標平面は、左右方向をセンサＳＡの出力値の大きさを示す軸とし、上下方向をセンサＳＢの出力値の大きさを示す軸としている。例えば、ごみ焼却プラントＰの稼働中における所定期間にセンサＳＡが出力したセンサデータがａ１～ａ２０、同期間にセンサＳＢが出力したセンサデータがｂ１～ｂ２０であった場合、プロットされる点は（ａ１，ｂ１）～（ａ２０，ｂ２０）となる。

また、図３の１２１では、座標平面を９つの区画に区分している。これらの区画は、センサＳＡとセンサＳＢが出力したセンサデータの値の大きさの区分（Small、Middle、Largeの３段階）に基づいて設定されたものである。具体的には、センサＳＡとセンサＳＢが出力したセンサデータの値が何れも「Small」である区画（Small‐Small）から、センサＳＡとセンサＳＢが出力したセンサデータの値が何れも「Large」である区画（Large‐Large）までの９つの区画が設定されている。

区分部１０２は、このような区画に基づいてセンサデータを区分してもよい。この場合、各センサＳについて、センサデータの大きさを区分する閾値を予め設定しておく。例えば、図３の例のように３つの集合に区分する場合には、「Small」と「Middle」とを区分けする閾値と、「Middle」と「Large」とを区分けする閾値とを設定しておく。これにより、区分部１０２は、センサデータを、その値の大きさによって、「Small」、「Middle」、および「Large」の何れかに区分することができる。なお、閾値の設定方法は特に限定されず、例えばセンサデータの分布を示す情報（例えば、平均値、最大値、最小値等）に基づいて設定すればよい。

区分部１０２は、このような区分をセンサＳ１～Ｓｎの各組み合わせについて行う。なお、センサデータを区分する集合は、センサＳ１～Ｓｎのそれぞれで異なっていてもよい。例えば、センサＳ１が出力するセンサデータは２つの集合に区分し、センサＳ２が出力するセンサデータは４つ以上の集合に区分してもよい。

また、区分部１０２は、複数のファジィ集合にセンサデータを振り分けることにより、当該センサデータを区分してもよい。これにより、ある集合と他の集合の境界付近のセンサデータを適切に振り分けることができる。例えば、区分部１０２は、図３の１２３に示すようなメンバシップ関数を用いて、「Small」、「Middle」、および「Large」の３つのファジィ集合にセンサデータを振り分けてもよい。メンバシップ関数は、手動で作成してもよいし、自動で作成してもよい。自動で作成する場合、区分部１０２は、例えばセンサデータの平均値と標準偏差σを算出して、平均値から±３σの範囲に収まるセンサデータの最大値と最小値と平均値を基準としてメンバシップ関数を作成してもよい。

関係指標算出部１０３は、センサＳ１～Ｓｎの組み合わせのそれぞれについて、各集合に区分されているセンサデータの度数から関係指標を算出する。図３の１２１の例では、プロットされた２０点のうち、９点が「Middle」－「Middle」の区分に含まれ、６点が「Middle」－「Small」の区分に含まれ、２点が「Small」－「Large」の区分に含まれている。また、「Small」－「Small」、「Large」－「Small」、および「Large」－「Middle」の各区分には１点が含まれ、その他の区分には点は含まれていない。

この場合、関係指標算出部１０３は、各区分の関係指標を、例えば図３の１２２に示すような値としてもよい。図３の１２２の例では、プロットされた点が最も多く含まれていた「Middle」－「Middle」の区分の関係指標が０．４０５、プロットされた点が２番目に多く含まれていた「Middle」－「Small」の区分の関係指標が０．２２５となっている。また、プロットされた点が３番目に多く含まれていた「Small」－「Large」の区分の関係指標が０．１となっている。１点のみ含まれる区分については、関係指標が所定の閾値より低いため、点が含まれていない区分と同じく、関係指標は０となっている。このように、図３の例では、センサデータの度数が多い区分ほど関係指標が大きい値となっている。このような関係指標の算出方法を図４に基づいて以下説明する。

（関係指標の算出方法の例）
図４は、２つのセンサＳがそれぞれ出力したセンサデータの値の区分結果の例を示す図である。具体的には、図４の１２４の例では、センサＳ１が出力したセンサデータのうち３０個が「Small」に区分され、そのうち１０個はセンサＳ２が出力したセンサデータが「Middle」に、２０個はセンサＳ２が出力したセンサデータが「Large」に区分されている。また、センサＳ２が出力したセンサデータは合計で１２０個であり、そのうち３０個が「Small」に、４０個が「Middle」に、５０個が「Large」に区分されている。

一方、図４の１２５の例では、センサＳ１が出力したセンサデータの区分は１２４の例と同様であるが、センサＳ２が出力したセンサデータの個数が合計で４５０個となっている点で１２４の例と異なっている。センサＳ２が出力したセンサデータのうち１５０個が「Small」に、２５０個が「Middle」に、５０個が「Large」に区分されている。

関係指標算出部１０３は、各区分の関係指標を下記の数式（１）によって算出してもよい。

（関係指標）＝（占有率Ｐ）×（カバー率Ｃ）×（割合Ｒ）
…数式（１）
上記占有率Ｐは、センサＳ１について、「Small」に属するセンサデータのうち、センサＳ２のセンサデータが「Large」に属するものの割合である。例えば、図４の１２４の例では、占有率Ｐ＝２０／３０である。

また、上記カバー率Ｃは、センサＳ２の「Large」に属するセンサデータの数に対する、センサＳ１の「Small」に属するセンサデータのうち、センサＳ２のセンサデータが「Large」に属するものの割合である。例えば、図４の１２４の例では、カバー率Ｃ＝２０／５０である。

そして、上記割合Ｒは、センサＳ２のセンサデータの総数に対する、「Large」に属するセンサデータの割合である。例えば、図４の１２４の例では、割合Ｒ＝５０／１２０である。

以上より、図４の１２４の例では、占有率Ｐ＝２０／３０であり、カバー率Ｃ＝２０／５０、割合Ｒ＝５０／１２０であるから、関係指標は１／９となる。一方、図４の１２５の例では、占有率Ｐ＝２０／３０であり、カバー率Ｃ＝２０／５０、割合Ｒ＝５０／４５０であるから、関係指標は４／１３５となる。

なお、関係指標の算出式において割合Ｒを乗じることは必須ではないが、割合Ｒを乗じることにより、１２５の例のように、第２区分のデータ数と他の区分のデータ数との差が大きい場合にも、関係指標の値を妥当なものとすることができるため好ましい。また、上記数式（１）において、占有率Ｐ、カバー率Ｃ、および割合Ｒの少なくとも何れかに重みを乗じてもよい。例えば、占有率Ｐの重みを、カバー率Ｃおよび割合Ｒの重みよりも大きい値に設定しておくこと、あるいはカバー率Ｃおよび割合Ｒの重みを占有率Ｐの重みよりも小さくしておくことにより、占有率Ｐを重視した関係指標を算出することもできる。

また、例えば、数式（１）において、カバー率Ｃの重みをゼロにして関係指標を算出してもよい。この場合、逆の視点の組み合わせ（例えば、センサＳ１とＳ２の組み合わせに対して、センサＳ２とＳ１の組み合わせ）については、占有率Ｐの重みをゼロにして関係指標を算出してもよい。さらに、これらの場合において、数式（１）における他の項の重みは１に設定してもよい。このように、同じセンサＳにおける２通りの視点の組み合わせ（例えば、センサＳ１とＳ２であれば、Ｓ１－Ｓ２とＳ２－Ｓ１の組み合わせ）について、それぞれ異なる重み（あるいは異なる計算式）により関係指標を算出してもよい。このような構成であっても、ごみ焼却プラントＰの状態を示す相関マップを生成することができる。

（相関マップの生成）
マップ生成部１０４は、上記関係指標を用いて、ごみ焼却プラントＰの状態を示す情報である相関マップを生成する。相関マップの生成について、図５に基づいて説明する。図５は、ごみ焼却プラントＰの状態を示す相関マップの例を示す図である。なお、図５には、通常版の相関マップＭ１１４と、簡易版の相関マップＭ１１５を示している。

相関マップＭ１１４は、センサＳ１～Ｓｎの全ての組み合わせについて、区分の組み合わせごとの関係指標の値を色で表したものである。なお、図５では、センサＳ１～Ｓｎの全組み合わせのうち、センサＳ１４～Ｓ１９とセンサＳ１４～Ｓ１９の組み合わせ（ただし同一のセンサＳの組み合わせは除外）に対応する部分を示している。また、図５には、Small、Middle、LargeをそれぞれＳ、Ｍ、Ｌと略記している箇所がある。

相関マップＭ１１４では、センサＳの組み合わせ毎に１つの区画が設定されており、１つの区画はさらに９つの小区画に分割されている。９つの小区画は、センサＳの組み合わせにおける、センサデータの値のSmall、Middle、Largeの区分に対応している。例えば、センサＳ１４の列と、センサＳ１５の行とが交差する位置は、センサＳ１４－Ｓ１５の組み合わせに対応する区画となっている。そして、この区画に含まれる９つの小区画のうち左上の小区画は、センサＳ１４のセンサデータとセンサＳ１５のセンサデータが何れも「Small」の組み合わせに対応している。他の小区画も同様に、センサデータの区分の組み合わせに対応している。

図５の相関マップＭ１１４は、関係指標が予め設定した閾値未満の小区画には着色せず、関係指標が１に近いほど黒に近い色とし、関係指標が０に近いほど白に近い色とすることにより生成したものである。つまり、相関マップＭ１１４は、関係指標をグレースケールにおける画素値で表したものである。なお、相関マップＭ１１４において、関係指標をどのようなパターンで表現するかは任意であり、図５の例に限られない。例えば、彩度、色相、明度、またはそれらの組み合わせにより表現してもよい。関係指標を色に変換する規則を予め定めておけば、マップ生成部１０４は、その規則に従って、相関マップＭ１１４の各区分の表示色を決定することができる。

一方、相関マップＭ１１５は、１つの区画に１つのパターンの画像が描画された画像である。各区画のパターンは、その区画に対応する最大９つの関係指標を用いて決定される。具体的には、マップ生成部１０４は、１つの区画に含まれる関係指標の重み付き和を算出し、その平均値をその区画の関係指標の値とする。そして、マップ生成部１０４は、区画の関係指標の値に応じたパターン（例えば関係指標の値に応じた画素値で区画の全面を一様に塗り潰した画像）を、その区画に描画するパターンとして決定する。

なお、重みは、センサＳの組み合わせ毎のセンサデータの分布状況が重み付き和に反映されるような値に設定しておけばよい。重みの設定例を図６に基づいて説明する。図６の１３１には、センサＳ１とＳ２の組み合わせについて算出した関係指標の例を示し、同図の１３２には、センサＳ１とＳ２の組み合わせにおける重みの設定例を示している。

図６の１３２の例では、「Middle」－「Middle」の組み合わせの重みを最も大きい値（具体的には１．００）に設定している。また、「Middle」－「Small」、「Middle」－「Large」、「Small」－「Middle」、「Large」－「Middle」の組み合わせの重みを中間的な値（具体的には０．５０）に設定している。そして、その他の組み合わせの重みを小さい値（具体的には０．２５）に設定している。

これらの重みを適用した場合、図６の１３１に示すセンサＳ１とＳ２の組み合わせの関係指標について、重み付き和の平均値は、（０．３５×１．００＋０．８０×０．２５）／２＝０．２７５となる。同様にして、センサＳの全ての組み合わせについて、関係指標の重み付き和の平均値を算出し、センサＳの各組み合わせに対応する区画に、算出した関係指標の値に応じたパターンを描画する。このような処理により、図５に示すような簡易版の相関マップＭ１１５を描画することができる。なお、重みは、センサＳの全ての組み合わせに共通の値としてもよいが、センサＳの組み合わせ毎に最適な値に調整することが好ましい。

（相関マップの変化の例）
図７は、上述のようにして生成される相関マップの変化の例を示す図である。なお、図７では、図５と同様に、相関マップの一部分を抜粋して示している。図７に示す相関マップＭ１１６は、ごみ焼却プラントＰの安定期間に取得されたセンサデータに基づいて生成されたものである。相関マップＭ１１６から、安定期間におけるセンサＳ１４～Ｓ１９のセンサデータは、「Middle」に集中していることが分かる。

一方、図７に示す相関マップＭ１１８は、ごみ焼却プラントＰの不安定期間に取得されたセンサデータに基づいて生成されたものである。また、相関マップＭ１１７は、不安定直前期間に取得されたセンサデータに基づいて生成されたものである。相関マップＭ１１６～Ｍ１１８によれば、安定期間から不安定期間までの期間において、センサデータの値の大きさの関係性が徐々に崩れていることが分かる。

より詳細には、相関マップＭ１１６では、「Middle」－「Middle」の小区画の色が黒に近くなっていて、他の小区画には着色されていないが、相関マップＭ１１７では、「Middle」－「Middle」以外の小区画にも着色されており、「Middle」－「Middle」の小区画が着色されていない区画も現われている。相関マップＭ１１８ではこの傾向がさらに進み、「Middle」－「Middle」の小区画に着色されている区画がさらに少なくなっている。

相関マップＭ１１６および相関マップＭ１１８に示されるように、相関マップからはごみ焼却プラントＰが安定期間にあるか、不安定期間にあるかを読み取ることができる。また、相関マップＭ１１７に示されるように、相関マップからは不安定期間となる前兆を読み取ることも可能である。

そこで、マップ生成部１０４は、安定期間に取得されたセンサデータに基づいて、ごみ焼却プラントＰの安定状態を、運転支援システム１００を使用するオペレータ等が判断する基準となる基準マップを生成してもよい。そして、マップ生成部１０４は、ごみ焼却プラントＰの稼働時にリアルタイムで取得されるセンサデータに基づいて相関マップを随時生成し、生成した相関マップを基準マップと共に出力部１３に表示出力させてもよい。これにより、オペレータ等は、基準マップと現在の相関マップとを見比べて、ごみ焼却プラントＰが安定状態にあるか否か、あるいは不安定となる前兆があるか否か等を判断することができる。

なお、マップ生成部１０４は、不安定期間に取得されたセンサデータに基づいて基準マップを生成してもよい。この場合、オペレータ等は、基準マップと現在の相関マップとを見比べて、現在の相関マップが基準マップに近付いていれば、不安定となる前兆があると判断する。

（処理の流れ）
情報処理装置１Ａが実行する処理（情報処理方法）の流れを図８に基づいて説明する。図８は、情報処理装置１Ａが実行する処理の一例を示すフローチャートである。なお、以下では相関マップを生成する例を説明するが、ＳＴ１１において、正常に稼働しているゴミ焼却プラントＰで計測されたセンサデータを取得すれば、図８は基準マップを作成する処理のフローチャートとなる。また、「正常に稼働」とは、異常が生じていない状態を意味する。例えば、手動操作による介入を行うことなく自動制御でゴミ焼却プラントＰの稼働を継続できる状態や、予め定めた運転計画通りにゴミ焼却プラントＰの稼働を継続できる状態、発電量が所定範囲内で安定している状態等は、「正常に稼働」している状態である。このような状態は、安定状態と呼ぶこともできる。

ＳＴ１１（データ取得ステップ）では、データ取得部１０１が、全てのセンサＳからセンサデータを取得する。より詳細には、データ取得部１０１は、所定期間（例えば直近３分間）に出力された所定数のセンサデータを、入力部１２を介して取得する。

ＳＴ１２では、区分部１０２が、ＳＴ１１で取得されたセンサデータをその値の大きさにより区分する。例えば、区分部１０２は、Small、Middle、Largeの３段階で区分してもよいし、２段階あるいは４段階以上で区分してもよい。また、区分部１０２は、例えば閾値等に基づいてセンサデータを区分してもよいし、ファジィ集合を用いてセンサデータを区分してもよい。

ＳＴ１３（関係指標算出ステップ）では、関係指標算出部１０３が、ＳＴ１１で取得されたセンサデータの分布状況に基づいて各区分の関係指標を算出する。上述のように、関係指標算出部１０３は、区分と区分の組み合わせのそれぞれについて、それらの区分に含まれるデータの個数に応じた関係指標を算出する。例えば、関係指標算出部１０３は、上述の数式（１）を用いて関係指標を算出してもよい。

ＳＴ１４（状態情報生成ステップ）では、マップ生成部１０４が、ＳＴ１３で算出された関係指標を用いてゴミ焼却プラントＰの状態を示す相関マップを生成する。具体的には、マップ生成部１０４は、センサＳの組み合わせ毎の区画における、Small、Middle、Largeの区分の組み合わせ毎にその組み合わせの関係指標に応じた描画のパターンを決定することにより相関マップを生成する。

ＳＴ１５では、マップ生成部１０４は、ＳＴ１４で生成した相関マップを出力部１３に表示出力させる。なお、マップ生成部１０４は、出力部１３に相関マップが表示済みである場合には、表示済みの相関マップを新たに生成した相関マップに更新させてもよい。これにより、表示される相関マップの内容を、常時、ごみ焼却プラントＰの最新の状態を示すものとすることができる。

ＳＴ１６では、データ取得部１０１が、処理を終了するか否かを判定する。データ取得部１０１が処理を終了すると判定した場合（ＳＴ１６でＹＥＳ）には、図８の処理は終了する。一方、データ取得部１０１が処理を継続すると判定した場合（ＳＴ１６でＮＯ）には、ＳＴ１１の処理に戻る。ＳＴ１６の判定条件は適宜設定しておけばよく、例えば、データ取得部１０１は、ごみ焼却プラントＰが稼働停止している場合に処理を終了すると判定してもよい。これにより、ごみ焼却プラントＰが稼働停止するまでの期間、相関マップの表示により運転支援を行うことができる。

〔実施形態２〕
本発明の他の実施形態について、以下に説明する。なお、説明の便宜上、上記実施形態にて説明した部材と同じ機能を有する部材については、同じ符号を付記し、その説明を繰り返さない。これは実施形態３以降も同様である。

本実施形態の情報処理装置１Ｂは、ごみ焼却プラントＰで異常が発生していること、あるいはその予兆があることを自動で検出する点で上記実施形態の情報処理装置１Ａと相違している。以下、情報処理装置１Ｂについて図９に基づいて説明する。図９は、情報処理装置１Ｂの構成と該情報処理装置１Ｂが実行する処理の流れを示す図である。なお、情報処理装置１Ｂにおいて、制御部１０Ｂ以外の構成は情報処理装置１Ａ（図１参照）と同様であるから、図９には制御部１０Ｂの構成を示している。

図９に示すように、情報処理装置１Ｂは、マップ生成部１０４の代わりに安定指数算出部２０１と異常検出部２０２を備えている点で、情報処理装置１Ａと相違している。なお、制御部１０Ｂにもマップ生成部１０４を含めてもよい。

安定指数算出部２０１は、データ取得部１０１が取得したセンサデータを用いて安定指数を算出する。安定指数は、ごみ焼却プラントＰが安定した稼働状態であるときのセンサデータの分布状況と、データ取得部１０１が取得したセンサデータの分布状況との類似度を示す指標である。なお、安定指数は、ごみ焼却プラントＰの状態を示す情報であるから、安定指数算出部２０１を状態情報生成部と呼ぶこともできる。

安定指数算出部２０１を備えていることにより、情報処理装置１Ｂは、ごみ焼却プラントＰの稼働状態が、安定状態に近いか、安定状態から遠いか（つまり不安定であるか）を数値で表すことができる。安定指数は、相関マップと同様に表示出力してオペレータ等に提示することもできるし、以下説明するように異常の検出等に利用することもできる。

安定指数は、例えば以下のようにして算出してもよい。なお、安定指数算出部２０１による安定指数の算出の前に、関係指標算出部１０３は、ごみ焼却プラントＰが安定した稼働状態であるときのセンサデータを用いて関係指標を算出しておく。以下の説明では、ごみ焼却プラントＰが安定した稼働状態であるときのセンサデータを用いて算出された関係指標を安定時関係指標と呼ぶ。なお、上述の基準マップは、安定時関係指標を用いて作成することができる。

まず、安定指数算出部２０１は、データ取得部１０１が取得したセンサデータの値と、センサデータの値の大きさに基づく各区分との適合度を算出する。このセンサデータは、安定指数の算出対象となるごみ焼却プラントＰの状態を示すデータである。次に、安定指数算出部２０１は、各区分における安定時関係指標と、当該区分について算出した上記適合度に基づいて、各区分の安定指数を算出する。そして、安定指数算出部２０１は、各区分の安定指数からセンサＳの組み合わせ毎の安定指数を算出し、各組み合わせについて算出された安定指数の和を最終的な安定指数とする。

以下、センサＳ１とセンサＳ２の組み合わせの安定時関係指標として図６の１３１に示す関係指標が算出された場合の安定指数の算出例を図１０に基づいて説明する。図１０は、安定指数の算出例を示す図である。なお、安定時関係指標の算出後の時刻ｔにおけるセンサＳ１、Ｓ２のセンサデータの値がそれぞれｖ１、ｖ２であったとする。

この場合、図１０の１４１に示すように、安定指数算出部２０１は、ｖ１が、センサＳ１における値の大きさの各区分（Small、Middle、Large）に適合する程度を示す適合度を算出する。適合度の算出には、センサＳ１における値の大きさの区分ごとのメンバシップ関数を用いればよい。図１０の１４１の例では、ｖ１と「Small」、「Middle」、「Large」の各区分との適合度が、それぞれ０．０、０．７、０．３と算出されている。

また、安定指数算出部２０１は、上記と同様にして、センサＳ２のセンサデータの値であるｖ２と、センサＳ２における値の大きさの各区分（Small、Middle、Large）との適合度を算出する。図１０の１４１の例では、ｖ２と「Small」、「Middle」、「Large」の各区分との適合度が、それぞれ０．４、０．６、０．０と算出されている。

そして、安定指数算出部２０１は、ｖ１の適合度にｖ２の適合度を乗じることにより、値の大きさの組み合わせの区分のそれぞれについて適合度を算出する。図１０の１４１の例では、「Middle」－「Small」の区分の適合度は０．７×０．４＝０．２８、「Middle」－「Middle」の区分の適合度は０．７×０．６＝０．４２となる。また、「Large」－「Small」の区分の適合度は０．３×０．４＝０．１２、「Large」－「Middle」の区分の適合度は０．３×０．６＝０．１８となる。その他の区分の適合度は０．０となる。

次に、安定指数算出部２０１は、値の大きさの組み合わせの各区分について、安定時関係指標に、当該区分について算出した適合度を乗じて、当該区分における安定指数を算出する。図６の１３１の例では、「Middle」－「Middle」の区分の関係指標が０．３５、「Large」－「Small」の区分の関係指標が０．８、他の区分の関係指標は０．０である。よって、「Middle」－「Middle」の区分の安定指数は０．３５×０．４２＝０．１４７、「Large」－「Small」の区分の安定指数は０．１２×０．８＝０．０９６となる。

そして、安定指数算出部２０１は、各区分の安定指数を合計して、ｖ１、ｖ２のセンサデータが測定されたときの安定指数とする。つまり、図１０の１４２の例における安定指数は、０．１４７＋０．０９６＝０．２４３となる。安定指数算出部２０１は、以上の処理を全てのセンサＳの組み合わせについて行い、各組み合わせについて算出された安定指数の和を、時刻ｔにおける安定指数とする。

このようにして算出した安定指数は、データ取得部１０１が取得したセンサデータの分布状況が、ごみ焼却プラントＰが安定した稼働状態であるときのセンサデータの分布状況に類似しているほど大きい値となる。よって、安定指数は、ごみ焼却プラントＰが安定した稼働状態であるときのセンサデータの分布状況と、データ取得部１０１が取得したセンサデータの分布状況との類似度を示すものであるといえる。

また、安定指数算出部２０１は、センサデータの時系列変化を考慮して安定指数を算出することもできる。例えば、安定指数算出部２０１は、時系列のセンサデータの重心位置を算出し、その重心位置を用いて安定指数を算出してもよい。これについて、図１０の１４３に基づいて説明する。図１０の１４３の例では、時刻ｔ１、ｔ２、ｔ３において、センサＳ１、Ｓ２により、センサデータ（ｖ１１，ｖ２１）、（ｖ１２，ｖ２２）、（ｖ１３，ｖ２３）が計測されたことを想定している。

この場合、安定指数算出部２０１は、（ｖ１１，ｖ２１）、（ｖ１２，ｖ２２）、（ｖ１３，ｖ２３）の重心（ｖ１’，ｖ２’）を算出する。この後、安定指数算出部２０１は、ｖ１とｖ２を用いて安定指数を算出した上記の例と同様の演算により、時刻ｔ１～ｔ３における安定指数を算出することができる。

このように、安定指数算出部２０１は、所定期間に計測された複数のセンサデータを用いて、当該期間におけるごみ焼却プラントＰの状態を示すデータ（上記の例では重心位置の座標）を算出し、このデータを用いて安定指数を算出してもよい。これにより、安定指数算出部２０１は、当該期間におけるセンサデータの時系列変化を考慮して安定指数を算出することができる。

なお、安定指数の代わりに、データ取得部１０１が取得したセンサデータの分布状況と、ごみ焼却プラントＰが不安定な稼働状態であるときのセンサデータの分布状況とが、全体としてどの程度類似しているかを示す不安定指数を算出する構成としてもよい。また、データ取得部１０１が取得したセンサデータの分布状況と、ごみ焼却プラントＰが不安定な稼働状態であるときのセンサデータの分布状況との乖離度を示す情報を安定指数としてもよい。このように、安定指数あるいは不安定指数を算出する際に基準とする稼働状態は、安定状態であってもよいし、不安定状態であってもよい。

異常検出部２０２は、安定指数算出部２０１が算出する安定指数に基づいて、ごみ焼却プラントＰの異常を検出する。なお、異常検出部２０２が検出対象とする異常には、ごみ焼却プラントＰの不安定状態の他、ごみ焼却プラントＰの状態が不安定化する傾向が表れている状態も含まれる。

異常検出部２０２は、安定指数が所定の閾値以下となったときに異常が発生したと判定してもよい。また、異常検出部２０２は、安定指数の変化率に基づいて異常の有無を判定してもよい。例えば、異常検出部２０２は、安定指数が短時間に急激に低下したときに、異常が発生したと判定してもよいし、所定期間継続的に安定指数が低下しているときに異常が発生したと判定してもよい。

そして、異常検出部２０２は、異常が発生している可能性があると判定した場合には、オペレータ等にその旨報知する。報知の態様は特に限定されず、例えば、異常検出部２０２は、異常が検出されたことを示す情報を出力部１３に表示させることにより報知してもよい。なお、異常の有無の判定と報知を別の処理ブロックで実行する構成としてもよい。

続いて、情報処理装置１Ｂが実行する処理（情報処理方法）の流れを説明する。なお、ＳＴ２１およびＳＴ２６の処理は、図８のＳＴ１１およびＳＴ１６の処理と同様であるから、以下ではＳＴ２２～ＳＴ２５の処理について説明する。

ＳＴ２２では、安定指数算出部２０１が、ＳＴ２１で取得されたセンサデータの各区分に対する適合度を算出する。具体的には、図１０に基づいて説明したとおり、安定指数算出部２０１は、センサＳの各組み合わせについて、ＳＴ２１で取得されたセンサデータと、「Small」、「Middle」、「Large」の３つの区分との適合度をそれぞれ算出する。そして、安定指数算出部２０１は、算出した適合度を掛け合わせて、ＳＴ２１で取得されたセンサデータと「Small」－「Small」～「Large」－「Large」の９つの区分との適合度をそれぞれ算出する。

ＳＴ２３（状態情報生成ステップ）では、安定指数算出部２０１は、ＳＴ２２で算出した適合度を用いてゴミ焼却プラントＰの状態を示す安定指数を算出する。具体的には、図１０に基づいて説明したとおり、安定指数算出部２０１は、ＳＴ２２で算出した適合度を安定時関係指標に乗じる演算により安定指数を算出する。

そして、ＳＴ２４では、異常検出部２０２が、ＳＴ２３で算出された安定指数に基づいて異常の有無を判定する。ＳＴ２４で異常ありと判定された場合（ＳＴ２４でＹＥＳ）にはＳＴ２５の処理に進み、ＳＴ２５では異常検出部２０２が異常を検出したことをオペレータ等に報知する。一方、ＳＴ２４で異常なしと判定された場合（ＳＴ２４でＮＯ）にはＳＴ２６の処理に進む。

なお、ＳＴ２３では、安定指数算出部２０１は、全体の安定指数に加えて、一部のセンサＳの組み合わせについての安定指数も算出してもよい。この場合、ＳＴ２４では、異常検出部２０２は、全体の安定指数からは異常なしと判断した場合に、一部のセンサＳの組み合わせについての安定指数から異常の有無を再判定してもよい。これにより、全体からは異常の兆候が読み取りにくいが、一部のセンサＳの出力値には異常の兆候が表れている場合にも、異常検出することができる。

（機械学習について）
異常検出部２０２は、関係指標算出部１０３が算出した関係指標と、ごみ焼却プラントＰの状態との関係を機械学習することにより構築した学習済みモデルを用いてごみ焼却プラントＰの異常を検出してもよい。この場合、安定指数算出部２０１は省略し、関係指標を上記学習済みモデルに入力して、ごみ焼却プラントＰが異常であるか否かを示す情報を出力する異常検出部２０２が、状態情報生成部として機能する。

上記機械学習では、例えば、ごみ焼却プラントＰが正常に稼働しているときに取得されたセンサデータから算出された関係指標と、ごみ焼却プラントＰに異常が発生する所定時間前に取得されたセンサデータから算出された関係指標を教師データとしてもよい。このような機械学習により構築された学習済みモデルに、関係指標算出部１０３が算出した関係指標を入力すれば、ごみ焼却プラントＰが正常に稼働している可能性を示す出力値と、所定時間後に異常が発生する可能性を示す出力値とを得ることができる。

この場合、異常検出部２０２は、例えば、正常に稼働している可能性を示す出力値が所定の閾値未満である場合に、稼働状態が異常であると検出することができる。また、異常検出部２０２は、例えば、所定時間後に異常が発生する可能性を示す出力値が閾値以上である場合に、異常発生の予兆があると検出することができる。

〔実施形態３〕
本実施形態では、取得されたセンサデータの値の推移から、その後のセンサデータの値を予測し、予測したセンサデータの値に基づいて異常検出する例を説明する。本実施形態の情報処理装置１Ｃについて図１１に基づいて説明する。図１１は、情報処理装置１Ｃの構成とセンサデータの値の予測方法の概要を示す図である。なお、情報処理装置１Ｃにおいて、制御部１０Ｃ以外の構成は情報処理装置１Ａ（図１参照）と同様であるから、図１１には制御部１０Ｃの構成を示している。

情報処理装置１Ｃは、実施形態２の情報処理装置１Ｂ（図９参照）と比べて、データ予測部３０１を備えている点で相違している。データ予測部３０１は、データ取得部１０１が取得したセンサデータの値の推移に基づいて、その後のセンサデータの値の予測値を算出する。そして、区分部１０２は上記予測値を区分し、関係指標算出部１０３は当該区分に基づいて関係指標を算出するから、安定指数算出部２０１は、上記予測値に基づいて、ごみ焼却プラントＰの未来の状態を示す安定指数を算出することができる。この安定指数を用いることにより、ごみ焼却プラントＰの運転状態が不安定化する前の段階で、不安定化を防ぐための措置を取ることが可能になる。

図１１に示す相関マップＭ３１１のＳ１－Ｓ４の区画には、センサＳ１の出力したセンサデータの値と、センサＳ４の出力したセンサデータの値の組み合わせた座標をプロットしている。そして、同図に矢印で示すように、プロットされた点は、時系列順で後のデータに対応する点ほど、同区画の右下側の位置となっている。よって、データ予測部３０１は、この傾向に基づいて未来の点の位置（センサＳ１とＳ４の出力するセンサデータの値の組）を予測することができる。例えば、データ予測部３０１は、現時点までの時系列のプロット点の座標から近似曲線を求め、その近似曲線から未来のプロット点の座標を算出してもよい。

また、例えば、データ予測部３０１は、現時点までの時系列のセンサデータ（センサデータの時系列変化の傾向を示すトレンドデータ）から、未来のセンサデータの値の予測値を算出してもよい。この場合、例えば直近の所定時間（例えば３０分間）に測定されたセンサデータを用いればよい。

予測値の算出後の処理は、実施形態２と同様である。なお、情報処理装置１Ｃの制御部１０Ｃに実施形態１で説明したマップ生成部１０４を含めてもよい。この場合、データ予測部３０１が算出した予測値に基づき、ごみ焼却プラントＰの未来の状態を示す相関マップを作成することができる。

〔実施形態４〕
本実施形態では、センサＳの故障を検出する機能と、ごみ焼却プラントＰの異常が検出されたときに、その原因を判定する機能を備えた情報処理装置１Ｄについて説明する。図１２は、情報処理装置１Ｄの構成例を示すブロック図である。なお、情報処理装置１Ｄにおいて、制御部１０Ｄ以外の構成は情報処理装置１Ａ（図１参照）と同様であるから、図１２には制御部１０Ｄの構成を示している。

情報処理装置１Ｄは、実施形態２の情報処理装置１Ｂ（図９参照）と比べて、センサ故障検出部４０１と原因判定部４０２とプラント制御部４０３を備えている点で相違している。なお、センサ故障検出部４０１と原因判定部４０２およびプラント制御部４０３とは協働するものではないから、何れかを省略してもよい。また、原因判定部４０２を設けてプラント制御部４０３を省略してもよい。また、センサ故障検出部４０１は、実施形態１の情報処理装置１Ａに含めることもできる。

センサ故障検出部４０１は、複数のセンサＳの各組について算出された各関係指標に基づいて、故障が発生しているセンサＳを検出する。この検出は、複数のセンサＳの中に、故障したセンサＳが含まれているときには、故障したセンサＳの出力するセンサデータを用いて算出された関係指標が、正常範囲から外れることを利用して行えばよい。例えば、センサ故障検出部４０１は、安定指数算出部２０１にセンサＳごとの安定指数を算出させて、算出された安定指数が閾値以下となったセンサＳを、故障が発生しているセンサＳとして検出してもよい。

原因判定部４０２は、複数のセンサＳの各組について算出された各関係指標に基づいて、ごみ焼却プラントＰが安定指数算出部２０１の算出した安定指数が示す状態となった原因を判定する。これにより、原因に応じた適切な措置を取り、ごみ焼却プラントＰの状態をより好ましいものとすることができる。

より詳細には、原因判定部４０２は、異常検出部２０２が、異常ありと判定したときに、不安定化の原因を判定する。そして、プラント制御部４０３が、原因判定部４０２の判定結果に応じた制御を行うことにより、ごみ焼却プラントＰの状態を安定化させる。なお、原因判定部４０２は、判定結果を表示出力等してオペレータ等に報知してもよく、この場合オペレータの手動操作によりごみ焼却プラントＰの状態を安定化させる。

原因の判定には、関係指標と原因との相関関係を利用する。例えば、ごみ焼却プラントＰの状態が不安定化している場合に、関係指標によって示される後燃焼火格子温度と一次燃焼空気流量との関係が、「Small」と「Large」であれば、焼却炉へのごみの供給不足が原因である可能性が考えられる。よって、原因判定部４０２は、後燃焼火格子温度を示すセンサＳの出力するセンサデータと一次燃焼空気流量を示すセンサＳの出力するセンサデータとが「Small」と「Large」の関係にある場合に、焼却炉へのごみの供給不足が原因と判定することができる。このように、関係指標は、全体としてごみ焼却プラントＰの状態を示す情報として利用できると共に、関係指標の各部分の解析結果は、不安定化の原因特定等にも利用できる。

プラント制御部４０３は、ごみ焼却プラントＰの動作を制御する。例えば、プラント制御部４０３は、ごみ焼却プラントＰに含まれる各種装置の動作を制御する制御装置に対して制御を行うことにより、ごみ焼却プラントＰの動作を制御してもよい。

また、プラント制御部４０３は、複数のセンサＳの各組について算出された各関係指標が所定の条件を充足する場合に、ごみ焼却プラントＰを正常状態に遷移させるための動作をごみ焼却プラントＰに実行させる設備制御部として機能する。これにより、ごみ焼却プラントＰの状態を自動的に安定化させることができる。

具体的には、プラント制御部４０３は、上述のように、原因判定部４０２の判定結果に応じた制御を行うことにより、ごみ焼却プラントＰの状態を安定化させる。原因判定部４０２は、複数のセンサＳの各組について算出された各関係指標が所定の条件を充足する場合にその条件に対応する原因を特定するから、プラント制御部４０３は、上記条件が充足される場合に制御を行うことになる。原因ごとの制御内容は予め定めておけばよい。例えば、焼却炉へのごみの供給不足が原因である場合には、プラント制御部４０３は、焼却炉にごみを供給させる制御を行えばよい。なお、原因判定部４０２を省略し、プラント制御部４０３が、所定の条件が充足されているか否かの判定を行うようにしてもよい。

〔変形例〕
上記各実施形態で説明した各処理の実行主体は、適宜変更することが可能である。例えば、図８のＳＴ１４以外の処理を情報処理装置１Ａ以外の１または複数の装置に行わせてもよい。例えば、ＳＴ１１およびＳＴ１２の処理を他の情報処理装置に行わせ、ＳＴ１３の処理をさらに他の情報処理装置に行わせてもよい。この場合、情報処理装置１Ａは、さらに他の情報処理装置が算出した関係指標を取得してマップを生成する。図９のフローチャートも同様であり、各処理の実行主体は、適宜変更することが可能である。

また、センサデータをLarge、Middle、Small等の集合に区分する構成は、センサデータの分布の態様を表現するための一手法であり、センサデータの分布の態様を表現可能な他の手法で置換可能である。

〔ソフトウェアによる実現例〕
情報処理装置１Ａ～１Ｄの制御ブロック（特に制御部１０Ａ～１０Ｄに含まれる各部）は、集積回路（ＩＣチップ）等に形成された論理回路（ハードウェア）によって実現してもよいし、ソフトウェアによって実現してもよい。

後者の場合、情報処理装置１Ａ～１Ｄは、各機能を実現するソフトウェアであるプログラムの命令を実行するコンピュータを備えている。このコンピュータは、例えば１つ以上のプロセッサを備えていると共に、上記プログラムを記憶したコンピュータ読み取り可能な記録媒体を備えている。そして、上記コンピュータにおいて、上記プロセッサが上記プログラムを上記記録媒体から読み取って実行することにより、本発明の目的が達成される。上記プロセッサとしては、例えばＣＰＵ（Central Processing Unit）を用いることができる。上記記録媒体としては、「一時的でない有形の媒体」、例えば、ＲＯＭ（Read Only Memory）等の他、テープ、ディスク、カード、半導体メモリ、プログラマブルな論理回路などを用いることができる。また、上記プログラムを展開するＲＡＭ（Random Access Memory）などをさらに備えていてもよい。また、上記プログラムは、該プログラムを伝送可能な任意の伝送媒体（通信ネットワークや放送波等）を介して上記コンピュータに供給されてもよい。なお、本発明の一態様は、上記プログラムが電子的な伝送によって具現化された、搬送波に埋め込まれたデータ信号の形態でも実現され得る。

本発明は上述した各実施形態に限定されるものではなく、請求項に示した範囲で種々の変更が可能であり、異なる実施形態にそれぞれ開示された技術的手段を適宜組み合わせて得られる実施形態についても本発明の技術的範囲に含まれる。

１Ａ～１Ｄ 情報処理装置
１０１ データ取得部
１０２ 区分部
１０３ 関係指標算出部
１０４ マップ生成部（状態情報生成部）
２０１ 安定指数算出部（状態情報生成部）
３０１ データ予測部
４０１ センサ故障検出部
４０２ 原因判定部
４０３ プラント制御部（設備制御部）
Ｐ ごみ焼却プラント（機械設備）
Ｓ センサ

Claims (12)

1. 機械設備に設けられた複数のセンサの所定期間における出力値であるかまたは該出力値を用いて算出された数値であるセンサデータを取得するデータ取得部と、
   複数の上記センサのうちの２つからなるセンサの組の関係性を示す関係指標を、当該組に係るセンサについて取得された各センサデータの分布状況に基づいて算出する関係指標算出部と、
   複数の上記センサの各組について算出された上記関係指標を用いて、上記所定期間における上記機械設備の状態を示す情報を生成する状態情報生成部と、を備え、
   上記状態情報生成部は、複数の上記センサの各組について算出された上記関係指標の値に応じたパターンが、画像平面上に規定された上記各組に対応する各区画に描画された画像を、上記機械設備の状態を示す情報として生成する、ことを特徴とする情報処理装置。
2. 機械設備に設けられた複数のセンサの所定期間における出力値であるかまたは該出力値を用いて算出された数値であるセンサデータを取得するデータ取得部と、
   複数の上記センサのうちの２つからなるセンサの組の関係性を示す関係指標を、当該組に係るセンサについて取得された各センサデータの分布状況に基づいて算出する関係指標算出部と、
   複数の上記センサの各組について算出された上記関係指標を用いて、上記所定期間における上記機械設備の状態を示す情報を生成する状態情報生成部と、
   上記センサデータをその値の大きさにより複数の集合に区分する区分部と、を備え、
   上記関係指標算出部は、複数の上記集合のそれぞれに区分されている上記センサデータの度数から上記関係指標を算出し、
   上記状態情報生成部は、上記データ取得部が取得したセンサデータの分布状況と、上記機械設備が基準となる稼働状態であるときの上記センサデータの分布状況との類似度を示す情報を、上記機械設備の状態を示す情報として生成する、ことを特徴とする情報処理装置。
3. 上記区分部は、複数のファジィ集合に上記センサデータを振り分けることにより、当該センサデータを区分することを特徴とする請求項２に記載の情報処理装置。
4. 上記データ取得部が取得したセンサデータの値の推移に基づいて、その後のセンサデータの値の予測値を算出するデータ予測部を備え、
   上記状態情報生成部は、上記予測値に基づいて、上記機械設備の未来の状態を示す情報を生成することを特徴とする請求項１から３の何れか１項に記載の情報処理装置。
5. 複数の上記センサの各組について算出された各関係指標に基づいて、上記機械設備が上記状態情報生成部の生成した情報が示す状態となった原因を判定する原因判定部を備えていることを特徴とする請求項１から４の何れか１項に記載の情報処理装置。
6. 複数の上記センサの各組について算出された各関係指標が所定の条件を充足する場合に、上記機械設備を正常状態に遷移させるための動作を上記機械設備に実行させる設備制御部を備えていることを特徴とする請求項１から４の何れか１項に記載の情報処理装置。
7. 複数の上記センサの各組について算出された各関係指標に基づいて、故障が発生しているセンサを検出するセンサ故障検出部を備えていることを特徴とする請求項１から４の何れか１項に記載の情報処理装置。
8. 機械設備の運転を支援する運転支援システムであって、
   情報処理装置と、
   上記機械設備に設けられた複数のセンサと、を含み、
   上記情報処理装置は、上記複数のセンサの所定期間における出力値であるかまたは該出力値を用いて算出された数値であるセンサデータを取得し、複数の上記センサのうちの２つからなるセンサの組の関係性を示す関係指標を、当該組に係るセンサについて取得された各センサデータの分布状況に基づいて算出し、複数の上記センサの各組について算出された上記関係指標を用いて、上記所定期間における上記機械設備の状態を示す情報を生成して出力し、
   上記情報処理装置は、複数の上記センサの各組について算出された上記関係指標の値に応じたパターンが、画像平面上に規定された上記各組に対応する各区画に描画された画像を、上記機械設備の状態を示す情報として生成する、ことを特徴とする運転支援システム。
9. 情報処理装置が実行する情報処理方法であって、
   機械設備に設けられた複数のセンサの所定期間における出力値であるかまたは該出力値を用いて算出された数値であるセンサデータを取得するデータ取得ステップと、
   複数の上記センサのうちの２つからなるセンサの組の関係性を示す関係指標を、当該組に係るセンサについて取得された各センサデータの分布状況に基づいて算出する関係指標算出ステップと、
   複数の上記センサの各組について算出された上記関係指標を用いて、上記所定期間における上記機械設備の状態を示す情報を生成する状態情報生成ステップと、を含み、
   上記状態情報生成ステップでは、複数の上記センサの各組について算出された上記関係指標の値に応じたパターンが、画像平面上に規定された上記各組に対応する各区画に描画された画像を、上記機械設備の状態を示す情報として生成する、ことを特徴とする情報処理方法。
10. 請求項１に記載の情報処理装置としてコンピュータを機能させるための情報処理プログラムであって、上記データ取得部、上記関係指標算出部、および上記状態情報生成部としてコンピュータを機能させるための情報処理プログラム。
11. 情報処理装置が実行する情報処理方法であって、
    機械設備に設けられた複数のセンサの所定期間における出力値であるかまたは該出力値を用いて算出された数値であるセンサデータを取得するデータ取得ステップと、
    複数の上記センサのうちの２つからなるセンサの組の関係性を示す関係指標を、当該組に係るセンサについて取得された各センサデータの分布状況に基づいて算出する関係指標算出ステップと、
    複数の上記センサの各組について算出された上記関係指標を用いて、上記所定期間における上記機械設備の状態を示す情報を生成する状態情報生成ステップと、
    上記センサデータをその値の大きさにより複数の集合に区分する区分ステップと、を含み、
    上記関係指標算出ステップでは、複数の上記集合のそれぞれに区分されている上記センサデータの度数から上記関係指標を算出し、
    上記状態情報生成ステップでは、上記データ取得ステップで取得されたセンサデータの分布状況と、上記機械設備が基準となる稼働状態であるときの上記センサデータの分布状況との類似度を示す情報を、上記機械設備の状態を示す情報として生成する、ことを特徴とする情報処理方法。
12. 請求項２に記載の情報処理装置としてコンピュータを機能させるための情報処理プログラムであって、上記データ取得部、上記関係指標算出部、上記状態情報生成部、および上記区分部としてコンピュータを機能させるための情報処理プログラム。

Images