JP7399832B2 - 情報処理装置、情報処理システム、情報処理方法及びプログラム - Google Patents

情報処理装置、情報処理システム、情報処理方法及びプログラム Download PDF

Info

Publication number
JP7399832B2
JP7399832B2 JP2020154629A JP2020154629A JP7399832B2 JP 7399832 B2 JP7399832 B2 JP 7399832B2 JP 2020154629 A JP2020154629 A JP 2020154629A JP 2020154629 A JP2020154629 A JP 2020154629A JP 7399832 B2 JP7399832 B2 JP 7399832B2
Authority
JP
Japan
Prior art keywords
time
information processing
setting
regularization
regression model
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
JP2020154629A
Other languages
English (en)
Other versions
JP2022048670A (ja
Inventor
隆生 新垣
正彬 高田
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Toshiba Corp
Original Assignee
Toshiba 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 Toshiba Corp filed Critical Toshiba Corp
Priority to JP2020154629A priority Critical patent/JP7399832B2/ja
Priority to US17/184,683 priority patent/US11609969B2/en
Publication of JP2022048670A publication Critical patent/JP2022048670A/ja
Application granted granted Critical
Publication of JP7399832B2 publication Critical patent/JP7399832B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • G05B19/41885—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by modeling, simulation of the manufacturing system
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models
    • G06N5/045—Explanation of inference; Explainable artificial intelligence [XAI]; Interpretable artificial intelligence
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/37—Measurements
    • G05B2219/37537—Virtual sensor
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Analysis (AREA)
  • Manufacturing & Machinery (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Computational Mathematics (AREA)
  • Software Systems (AREA)
  • Algebra (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Automation & Control Theory (AREA)
  • Databases & Information Systems (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Probability & Statistics with Applications (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Medical Informatics (AREA)
  • Artificial Intelligence (AREA)
  • Computational Linguistics (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Complex Calculations (AREA)

Description

本発明の実施形態は情報処理装置、情報処理システム、情報処理方法及びプログラムに関する。
プラント管理において、測定困難なプロセス変数をプラントのセンサーデータから予測する回帰モデルを構築し、測定困難なプロセス変数の代わりに回帰モデルに基づいた予測値をモニタリングするソフトセンサーの構築が広く行われている。例えば、罰則付き回帰モデルを用いて、大量の特徴量から自動的に特徴抽出を行うことによって、回帰モデルを構築する技術が従来から知られている。
しかしながら従来の技術では、プロセス変数を予測する回帰モデルを構築するときに、解析対象データごとに対応させるタイムラグの数を制御することが難しかった。
国際公開第２０１３／０６９５６８号公報
本発明の実施形態は、解析対象データごとに対応させるタイムラグの数を制御する情報処理装置、情報処理システム、情報処理方法及びプログラムを提供する。
実施形態の情報処理装置は、設定部と選択部と決定部とを備える。設定部は、センサーにより計測された計測項目、及び、プロセスコントローラの制御に用いられる設定項目の少なくとも一方を含む解析対象データが目的変数に影響を与えるまでのタイムラグの候補と、前記目的変数を予測する回帰モデルで許容されるタイムラグ数とを設定する。選択部は、前記タイムラグの候補に対応する時刻に計測された前記計測項目、及び、前記時刻に設定された前記設定項目の少なくとも一方を、説明変数の候補として選択する。決定部は、前記回帰モデルの正則化パラメータの値に応じて変化する前記説明変数の候補の回帰係数の推移を示す正則化パスに基づいて、前記タイムラグの数が前記タイムラグ数以下となるように前記正則化パラメータを決定し、決定された正則化パラメータを用いて前記回帰モデルを決定する。
実施形態の情報処理システムのハードウェア構成の例を示す図。 実施形態の情報処理装置の機能構成の例を示す図。 実施形態の情報処理装置による情報処理方法の例を示すフローチャート。 実施形態の正則化パスの例を示す図。 実施形態の表示情報の例を示す図。
以下に添付図面を参照して、情報処理装置、情報処理システム、情報処理方法及びプログラムの実施形態を詳細に説明する。
［ハードウェア構成の例］
図１は実施形態の情報処理システム１のハードウェア構成の例を示す図である。実施形態の情報処理システム１は、プラントを管理するシステムである。実施形態の情報処理システム１は、プロセス計算機２と、プロセスコントローラ３と、電動機４ａと、駆動装置４ｂと、プロセスセンサー５と、オペレータ端末６と、情報ＬＡＮ７と、制御ＬＡＮ８と、管理装置９と、情報処理装置１５と、を備える。
プロセス計算機２、プロセスコントローラ３、電動機４ａ、駆動装置４ｂ、プロセスセンサー５及びオペレータ端末６は、管理装置９と、情報ＬＡＮ７及び制御ＬＡＮ８を介して接続される。
例えば、管理装置９は、情報ＬＡＮ７を介してプロセス計算機２、プロセスコントローラ３及びプロセスセンサー５から時系列データを収集し、管理装置９に蓄積する。プロセス計算機２から収集される時系列データは、例えばプラントの製造情報、並びに、プラントで製品が製造されるたびに出力される品質情報及び生産情報等である。
製造情報は、製品の製造に用いられる制御対象の情報である。例えば、制御対象がバルブの場合、製造情報は、バルブの制御目標値、バルブの操作を示す情報、及び、バルブの操作に応じた観測値等を含む。品質情報は、製造された製品の品質を示す。生産情報は、製品の生産量等の情報を含む。
プロセスコントローラ３から収集される時系列データは、例えばプロセスコントローラ３の制御に用いられる設定値である。プロセスセンサー５から収集される時系列データは、例えば計測値である。プロセスセンサー５は、例えば圧力センサー、流体センサー及び温度センサー等である。
また、管理装置９は、制御ＬＡＮ８を介してプロセスコントローラ３からプロセス制御に関する制御情報を収集し、管理装置９に蓄積する。
プロセスコントローラ３、電動機４ａ、駆動装置４及びプロセスセンサー５は、制御ＬＡＮ８を介して制御情報を送受信する。
オペレータ端末６は、情報ＬＡＮ７および制御ＬＡＮ８を介して、プロセスコントローラ３の設定及び操作等を行う。
管理装置９は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）１０、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）１１、記録メディア１２、通信インターフェース１３及びユーザインターフェース１４を備える。ＣＰＵ１０は、ＲＡＭ１１、記録メディア１２、通信インターフェース１３及びユーザインターフェース１４とバスを介して接続されており、それらを制御する。またＣＰＵ１０は、記録メディア１２に格納されたコンピュータプログラムを順次実行する。
ＲＡＭ１１は、ＳＲＡＭ（Ｓｔａｔｉｃ Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）、ＤＲＡＭ（Ｄｙｎａｍｉｃ Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）及びフラッシュメモリ等で構成される。ＣＰＵ１０の実行時には、ＲＡＭ１１は、必要に応じて記録メディア１２に格納されているコンピュータプログラム等を読み出し、コンピュータプログラム等を一時的に記憶する。
記録メディア１２は、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）及びＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）等で構成される。記録メディア１２には、上述の時系列データをデータベースに蓄積するためのコンピュータプログラム、及び、時系列データを格納するデータベースが記憶される。
通信インターフェース１３は、情報ＬＡＮ７、制御ＬＡＮ８及び情報処理装置１５に接続するためのインターフェースである。
ユーザインターフェース１４は、ディスプレイ、キーボード及びマウス等で構成される。ユーザインターフェース１４は、ユーザからの入力の受付けと、情報の出力とを行う。
情報処理装置１５は、ＣＰＵ１６、ＲＡＭ１７、記録メディア１８、ユーザインターフェース１９及び通信インターフェース２０を備える。ＣＰＵ１６は、ＲＡＭ１７、記録メディア１８、ユーザインターフェース１９及び通信インターフェース２０とバスを介して接続されており、それらを制御する。またＣＰＵ１６は、記録メディア１８に格納されたコンピュータプログラムを順次実行する。
記録メディア１８は、ＨＤＤ及びＳＳＤ等で構成される。記録メディア１８は、プロセスセンサー５からの計測値、及び、プロセスコントローラ３の設定値等が記録されたときの時刻が、プロセス計算機２から送信された品質情報又は生産情報が記録されたときの時刻と比較してどれくらいの大きさの時間遅れ（タイムラグ）があるかを算出するためのコンピュータプログラムを記憶する。また記録メディア１８は、プロセス計算機２から送信された品質情報及び生産情報等の変動に寄与するプロセスセンサー５からの計測値を抽出するためのコンピュータプログラムを記憶する。また記録メディア１８は、プロセス計算機２から送信された品質情報及び生産情報等の変動に寄与するプロセスコントローラ３の設定値を抽出するためのコンピュータプログラムを記憶する。
ＲＡＭ１７は、ＳＲＡＭ、ＤＲＡＭ及びフラッシュメモリ等で構成される。ＣＰＵ１６の実行時には、ＲＡＭ１７は、必要に応じて記録メディア１８に格納されているコンピュータプログラム等を読み出し、コンピュータプログラム等を一時的に記憶する。
ユーザインターフェース１９は、ディスプレイ、キーボード及びマウス等で構成される。ユーザインターフェース１９は、ユーザからの入力の受付けと、情報の出力とを行う。出力される情報は、例えば上述のタイムラグ、プロセス計算機２から送信された品質情報及び生産情報等の変動に寄与する上述の計測値及び設定値等である。
通信インターフェース２０は、情報ＬＡＮ７、制御ＬＡＮ８及び管理装置９に接続するためのインターフェースである。
［機能構成の例］
図２は実施形態の情報処理装置１５の機能構成の例を示す図である。実施形態の情報処理装置１５は、設定部３１、取得部３２、選択部３３、算出部３４、決定部３５、評価部３６及び表示制御部３７を備える。設定部３１、取得部３２、選択部３３、算出部３４、決定部３５、評価部３６及び表示制御部３７は、例えば記録メディア１８からＲＡＭ１７に読み出されたコンピュータプログラムにより実現される。また、解析対象データ記憶部Ｄ１及びタイムラググループデータ記憶部Ｄ２は、ＲＡＭ１７及び記録メディア１８により実現される。
［情報処理方法の例］
図３は情報処理装置１５による情報処理方法の例を示すフローチャートである。はじめに、設定部３１が、ユーザインターフェース１９を介して入力されたパラメータを設定する（ステップＳ１）。ユーザインターフェース１９を介して入力されたパラメータは、解析対象設定パラメータ、解析対象期間設定パラメータ、タイムラグ候補設定パラメータ、正則化候補設定パラメータ、タイムラグ数設定パラメータ及び評価対象設定パラメータ等である。
解析対象設定パラメータは、一以上の解析項目を含む解析対象データを設定するパラメータである。解析項目は、プロセスセンサー５により計測された計測項目、及び、プロセスコントローラ３の制御に用いられる設定項目の少なくとも一方を含む。計測項目の場合には、当該計測項目を計測するプロセスセンサー５の計測値が解析の対象にされる。なお、解析対象データとして設定される計測項目の数は任意でよい。設定項目の場合には、当該設定項目の設定がされるプロセスコントローラ３の設定値が解析の対象にされる。なお、解析対象データとして設定される設定項目の数は任意でよい。解析対象期間設定パラメータは、解析対象データの解析（学習）対象期間を設定するパラメータである。
タイムラグ候補設定パラメータは、解析で考慮するタイムラグの単位、及び、当該タイムラグの最大値を含む。解析で考慮するタイムラグの単位は、例えば３０ｍｉｎ等である。また、タイムラグの最大値は、例えば３６０ｍｉｎである。この場合、３０ｍｉｎ、６０ｍｉｎ、９０ｍｉｎ、．．．、３６０ｍｉｎといった時間だけ時間遅れが生じる可能性を考慮することを表す。
正則化候補設定パラメータは、正則化パラメータの候補を設定するパラメータである。正則化パラメータの候補は、所定の値の範囲に含まれる離散値でもよいし、連続値でもよい。回帰モデルの正則化には、例えばＬ１正則化、ＳＣＡＤ（Ｓｍｏｏｔｈｌｙ Ｃｌｉｐｐｅｄ Ａｂｓｏｌｕｔｅ Ｄｅｒｉｖａｔｉｏｎ）、及び、ＭＣＰ（Ｍｉｎｉｍａｘ Ｃｏｎｃａｖｅ Ｐｅｎａｌｔｙ）等の方法が用いられる。
タイムラグ数設定パラメータは、目的変数を予測する回帰モデルで許容されるタイムラグ数を設定するパラメータである。例えば、各説明変数（例えば計測値及び設定値等）に対して高々一つタイムラグを許容する場合、タイムラグ数は１に設定される。
評価対象設定パラメータは、回帰モデルの評価対象期間を設定するパラメータである。
次に、取得部３２が、管理装置９に蓄積された時系列データから、解析対象設定パラメータ及び解析対象期間設定パラメータに合致したデータを解析対象データとして取得し、当該解析対象データを解析対象データ記憶部Ｄ１に記憶する（ステップＳ２）。なお、取得部３２は、取得された解析対象データに加工処理を行ってもよい。加工処理は、例えば解析対象データが計測値を含む場合、計測値に含まれるノイズの削除、計測値の平滑化、及び、計測値の移動平均に基づく補間等を含む。
次に、選択部３３が、それぞれのタイムラグの候補に対応する時刻に計測された計測項目、及び、当該時刻に設定された設定項目の少なくとも一方を、説明変数の候補を示すタイムラググループデータとして選択し、当該タイムラググループデータ記憶部Ｄ２に記憶する（ステップＳ３）。
具体的には例えば、解析対象データが、プロセスセンサー５により計測されたＫ個の計測項目に対して計測された計測値であり、タイムラグの候補が、３０ｍｉｎ、６０ｍｉｎ、９０ｍｉｎである場合、選択部３３は、タイムラグのない時刻ｔの計測項目の時系列データｍｔ，１、ｍｔ，２、・・・、ｍｔ，Ｋ、３０ｍｉｎ前に計測された計測項目の時系列データｍｔ－３０、ｍｔ－３０，２、・・・、ｍｔ－３０，Ｋ、６０ｍｉｎ前に計測された計測項目の時系列データｍｔ－６０，１、ｍｔ－６０，２、・・・、ｍｔ－６０，Ｋ、及び、９０ｍｉｎ前に計測された計測項目の時系列データｍｔ－９０，１、ｍｔ－９０，２、・・・、ｍｔ－９０，Ｋを選択する。なお、時刻ｔは、解析対象期間に含まれる時刻を示す変数である。この場合の時刻ｔにおけるタイムラググループデータは、説明変数の候補の組（ｍｔ，１、ｍｔ，２、・・・、ｍｔ，Ｋ，ｍｔ－３０、ｍｔ－３０，２、・・・、ｍｔ－３０，Ｋ，ｍｔ－６０，１、ｍｔ－６０，２、・・・、ｍｔ－６０，Ｋ，ｍｔ－９０，１、ｍｔ－９０，２、・・・、ｍｔ－９０，Ｋ）となる。
また例えば、解析対象データが、プロセスコントローラ３に設定されたＪ個の設定項目に対して設定された設定値であり、タイムラグの候補が、６０ｍｉｎ、１２０ｍｉｎである場合、選択部３３は、タイムラグのない時刻ｔの設定項目の時系列データｓｔ，１、ｓｔ，２、・・・、ｓｔ，Ｊ、６０ｍｉｎ前に設定された設定項目の時系列データｓｔ－６０，１、ｓｔ－６０，２、・・・、ｓｔ－６０，Ｊ、及び、１２０ｍｉｎ前に設定された設定項目の時系列データｓｔ－１２０，１、ｓｔ－１２０，２、・・・、ｓｔ－１２０，Ｊを選択する。この場合の時刻ｔにおけるタイムラググループデータは、説明変数の候補の組（ｓｔ，１、ｓｔ，２、・・・、ｓｔ，Ｊ、ｓｔ－６０，１、ｓｔ－６０，２、・・・、ｓｔ－６０，Ｊ、・・・、ｓｔ，Ｊ，ｓｔ－１２０，１、ｓｔ－１２０，２、・・・、ｓｔ－１２０，Ｊ）となる。
なお、タイムラグの単位、及び、当該タイムラグの最大値は、ステップＳ１の処理で設定せずに、既定の値を用いるようにしても構わない。
算出部３４は、タイムラググループデータ記憶部Ｄ２に記憶されたタイムラググループデータを読み出し、回帰モデルの正則化パラメータの値に応じて変化する説明変数の候補の回帰係数の推移を示す正則化パスを解析項目（計測項目や設定項目）ごとに算出する（ステップＳ４）。算出部３４は、例えばＬ１正則化による罰則付き回帰を用いて正則化パスを算出する。
［正則化パスの例］
図４は実施形態の正則化パスの例を示す図である。横軸のλは正則化パラメータの値を示し、縦軸のβは回帰係数を示す。各折れ線は、目的変数（例えば品質情報及び生産情報等）を予測する罰則付き回帰モデルの説明変数（例えばプロセスセンサー５の一つの計測項目、または、プロセスコントローラ３の一つの設項目定等）の候補に対応する正則化パスを示す。例えば計測項目の一つである温度を示す計測値に対する正則化パスの場合、各折れ線は、異なるタイムラグが考慮された温度の計測値に対応する。正則化パスの算出に用いられるデータは、上述の解析対象設定パラメータ及び解析対象期間設定パラメータに基づいて、取得部３２により取得される。正則化パラメータの候補は、上述の正則化候補設定パラメータに基づいて与えられてもよいし、常に既定の値を用いるようにしてもよい。このような正則化パスを示す図が計測項目の数または設定項目の数、得られることになる。
決定部３５は、計測項目の数または設定項目の数、得られた正則化パスに基づいて、タイムラグの数が、設定部３１により設定されたタイムラグ数（例えば１）以下となるように正則化パラメータλを計測項目の数または設定項目の数、決定する。例えば、設定部３１により設定されたタイムラグ数が１の場合、正則化パラメータλは、縦線１０２付近の値に決定される。なお、折れ線１０１ａは、回帰係数βが常に０であるため、折れ線１０１ａに対応するタイムラグを持つ計測項目または設定項目は罰則付き回帰モデルの説明変数から除外される。正則化パラメータλが縦線１０２付近の値に決定された場合、この正則化パスに対応する計測項目または設定項目のタイムラグが、折れ線１０１ｂが示す正則化パスに対応するタイムラグに決定される。
また例えば、設定部３１により設定されたタイムラグ数が２の場合、正則化パラメータλは、縦線１０３付近の値に決定される。
図３に戻り、次に、決定部３５が、正則化パラメータリストＤ３、及び、当該正則化パラメータリストＤ３に応じた回帰係数Ｄ４を算出部３４から受け付け、上述のタイムラグ数設定パラメータを設定部３１から受け付ける。そして、決定部３５は、タイムラグの数が、タイムラグ数設定パラメータにより設定されたタイムラグ数（例えば１）以下となるようにして、正則化パラメータリストＤ３から正則化パラメータλを解析項目（計測項目または設定項目）ごとに決定し、それらの中の最大値を改めて正則化パラメータに設定し、回帰モデルＤ５（罰則付き回帰モデル）を決定する（ステップＳ６）。
次に、評価部３６が、上述の評価対象設定パラメータに基づいて、タイムラググループデータをタイムラググループデータ記憶部Ｄ２から読み出し、当該タイムラググループデータを用いて回帰モデル（Ｄ５）の性能を評価し、例えば、決定係数（Ｒ２）や平均二乗誤差（ＭＳＥ）といったモデル精度（Ｄ６）を算出する（ステップＳ６）。具体的には、評価部３６は、評価対象設定パラメータから、回帰モデル（Ｄ５）の評価対象期間を特定し、タイムラググループデータに含まれる時系列データのうち、評価対象のタイムラグに応じた時系列データを回帰モデル（Ｄ５）の評価に利用する。
次に、表示制御部３７が、回帰モデルＤ５及びモデル精度Ｄ６を受け付け、回帰モデルＤ５及びモデル精度Ｄ６に基づく表示情報をユーザインターフェース１９に表示する（ステップＳ７）。表示情報は、例えば、目的変数と、回帰モデルＤ５の説明変数と、回帰モデルＤ５の決定に用いられた正則化パラメータに基づくタイムラグとを含む。
［表示情報の例］
図５は実施形態の表示情報の例を示す図である。表示１１１は、説明変数のタイムラグを示す。時間遅れなく目的変数（例えば品質情報及び生産情報等）に影響を与えている説明変数（例えばプロセスセンサー５の計測項目、及び、プロセスコントローラ３の設定項目等）については、タイムラグは、例えば０ｈなどと表示される。グラフ１１２は、説明変数の値の時系列データを示す。グラフ１１２は、表示１１１に示すタイムラグに応じてスライドして表示される。グラフ１１３は、目的変数の値の時系列データを示す。図５の例のように、目的変数（例えば品質情報及び生産情報等）に影響を与えていないプロセスセンサー５の計測値、及び、プロセスコントローラ３の設定値については表示しないことで、目的変数の変動要因の確認が効率化できる。
以上説明したように、実施形態の情報処理装置１５では、設定部３１が、プロセスセンサー５により計測された計測項目、及び、プロセスコントローラ３の制御に用いられる設定項目の少なくとも一方を含む解析対象データが目的変数に影響を与えるまでのタイムラグの候補（例えば、０ｈ，１ｈ，・・・，６ｈ等）と、目的変数を予測する回帰モデルＤ５で許容されるタイムラグ数とを設定する。選択部３３が、タイムラグの候補に対応する時刻に計測された前記計測項目、及び、当該時刻に設定された設定項目の少なくとも一方を、説明変数の候補として選択する。そして、決定部３５が、回帰モデルＤ５の正則化パラメータの値に応じて変化する説明変数の候補の回帰係数Ｄ４の推移を示す正則化パスに基づいて、タイムラグの数がタイムラグ数以下となるように正則化パラメータλを決定し、決定された正則化パラメータλを用いて回帰モデルＤ５を決定する。
これにより実施形態の情報処理装置１５によれば、プロセス変数を予測する回帰モデルを構築するときに、解析対象データごとに対応させるタイムラグの数を制御することができる。具体的には、例えばプラント管理における、測定困難なプロセス変数の測定時点とプロセス変数を予測するために用いるセンサーの測定時点との間に未知の固定のタイムラグが物理的に存在する場合に、正則化パラメータリストＤ３に対して想定し得るタイムラグ遅らせた説明変数の回帰係数を算出できる。回帰モデルＤ５が許容するタイムラグ数を１に設定しておくことで、例えば、同じプロセスセンサー５に複数のタイムラグが選択されることなく、プロセスセンサー５ごとに適切なタイムラグを丁度一つ選択することが可能になる。
なお、実施形態の情報処理装置１５の機能は、プログラム（ソフトウェア）により実現されてもよい。
コンピュータで実行されるプログラムは、インストール可能な形式又は実行可能な形式のファイルでＣＤ－ＲＯＭ、メモリカード、ＣＤ－Ｒ及びＤＶＤ（Ｄｉｇｉｔａｌ Ｖｅｒｓａｔｉｌｅ Ｄｉｓｃ）等のコンピュータで読み取り可能な記憶媒体に記録されてコンピュータ・プログラム・プロダクトとして提供される。
またコンピュータで実行されるプログラムを、インターネット等のネットワークに接続されたコンピュータ上に格納し、ネットワーク経由でダウンロードさせることにより提供するように構成してもよい。またコンピュータで実行されるプログラムをダウンロードさせずにインターネット等のネットワーク経由で提供するように構成してもよい。
またコンピュータで実行されるプログラムを、ＲＯＭ等に予め組み込んで提供するように構成してもよい。
コンピュータで実行されるプログラムは、上述の情報処理装置１５の機能構成（機能ブロック）のうち、プログラムによっても実現可能な機能ブロックを含むモジュール構成となっている。当該各機能ブロックは、実際のハードウェアとしては、ＣＰＵ１６が記憶媒体からプログラムを読み出して実行することにより、上記各機能ブロックがＲＡＭ１７上にロードされる。
なお上述した各機能ブロックの一部又は全部をソフトウェアにより実現せずに、ＩＣ（Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）等のハードウェアにより実現してもよい。
また複数のプロセッサを用いて各機能を実現する場合、各プロセッサは、各機能のうち１つを実現してもよいし、各機能のうち２つ以上を実現してもよい。
また情報処理装置１５を実現するコンピュータの動作形態は任意でよい。例えば、情報処理装置１５を１台のコンピュータにより実現してもよい。また例えば、情報処理装置１５を、ネットワーク上のクラウドシステムとして動作させてもよい。
本発明のいくつかの実施形態を説明したが、これらの実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。これら新規な実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれるとともに、特許請求の範囲に記載された発明とその均等の範囲に含まれる。
１ 情報処理システム
２ プロセス計算機
３ プロセスコントローラ
４ａ 電動機
４ｂ 駆動装置
５ プロセスセンサー
６ オペレータ端末
７ 情報ＬＡＮ
８ 制御ＬＡＮ
９ 管理装置
１０ ＣＰＵ
１１ ＲＡＭ
１２ 記録メディア
１３ 通信インターフェース
１４ ユーザインターフェース
１５ 情報処理装置
１６ ＣＰＵ
１７ ＲＡＭ
１８ 記録メディア
１９ ユーザインターフェース
２０ 通信インターフェース
３１ 設定部
３２ 取得部
３３ 選択部
３４ 算出部
３５ 決定部
３６ 評価部
３７ 表示制御部

Claims (12)

  1. センサーにより計測された計測項目、及び、プロセスコントローラの制御に用いられる設定項目の少なくとも一方を含む解析対象データが目的変数に影響を与えるまでのタイムラグの候補と、前記目的変数を予測する回帰モデルで許容されるタイムラグ数とを設定する設定部と、
    前記タイムラグの候補に対応する時刻に計測された前記計測項目、及び、前記時刻に設定された前記設定項目の少なくとも一方を、説明変数の候補として選択する選択部と、
    前記回帰モデルの正則化パラメータの値に応じて変化する前記説明変数の候補の回帰係数の推移を示す正則化パスに基づいて、前記タイムラグの数が前記タイムラグ数以下となるように前記正則化パラメータを決定し、決定された正則化パラメータを用いて前記回帰モデルを決定する決定部と、
    を備える情報処理装置。
  2. 前記解析対象データは、複数の前記計測項目、及び、複数の前記設定項目の少なくとも一方を複数の解析項目として含み、
    前記決定部は、前記正則化パスに基づいて、前記タイムラグの数が前記タイムラグ数以下となるように前記正則化パラメータを、前記解析項目ごとに決定し、決定された正則化パラメータを用いて前記回帰モデルを決定する、
    請求項１に記載の情報処理装置。
  3. 前記設定部は、前記タイムラグの候補を複数、設定し、前記タイムラグ数を１に設定する、
    請求項１又は２に記載の情報処理装置。
  4. 前記目的変数と、前記回帰モデルの説明変数と、前記回帰モデルの決定に用いられた前記正則化パラメータに基づくタイムラグとを含む表示情報を表示部に表示する表示制御部、
    を更に備える請求項１乃至３のいずれか１項に記載の情報処理装置。
  5. 前記正則化パスを算出する算出部、
    を更に備える請求項１乃至４のいずれか１項に記載の情報処理装置。
  6. 前記算出部は、Ｌ１正則化による罰則付き回帰を用いて前記正則化パスを算出する、
    請求項５に記載の情報処理装置。
  7. 前記算出部は、複数の正則化パラメータを含む正則化パラメータリストから前記正則化パラメータの値を選択する、
    請求項５又は６に記載の情報処理装置。
  8. 前記解析対象データを取得する取得部、
    を更に備える請求項１乃至７のいずれか１項に記載の情報処理装置。
  9. 前記解析対象データは、前記計測項目を含み、
    前記取得部は、前記計測項目に含まれるノイズの削除、前記計測項目の平滑化、及び、前記計測項目の移動平均に基づく補間の少なくとも１つを含む加工処理を、取得された前記計測項目に対して行う、
    請求項８に記載の情報処理装置。
  10. 計測項目の計測値を計測するセンサーと、
    前記計測項目、及び、プロセスコントローラの制御に用いられる設定項目の少なくとも一方を含む解析対象データが目的変数に影響を与えるまでのタイムラグの候補と、前記目的変数を予測する回帰モデルで許容されるタイムラグ数とを設定する設定部と、
    前記タイムラグの候補に対応する時刻に計測された前記計測項目、及び、前記時刻に設定された前記設定項目の少なくとも一方を、説明変数の候補として選択する選択部と、
    前記回帰モデルの正則化パラメータの値に応じて変化する前記説明変数の候補の回帰係数の推移を示す正則化パスに基づいて、前記タイムラグの数が前記タイムラグ数以下となるように前記正則化パラメータを決定し、決定された正則化パラメータを用いて前記回帰モデルを決定する決定部と、
    を備える情報処理システム。
  11. 情報処理装置が、センサーにより計測された計測項目、及び、プロセスコントローラの制御に用いられる設定項目の少なくとも一方を含む解析対象データが目的変数に影響を与えるまでのタイムラグの候補と、前記目的変数を予測する回帰モデルで許容されるタイムラグ数とを設定するステップと、
    前記情報処理装置が、前記タイムラグの候補に対応する時刻にされた前記計測項目、及び、前記時刻に設定された前記設定項目の少なくとも一方を、説明変数の候補として選択するステップと、
    前記情報処理装置が、前記回帰モデルの正則化パラメータの値に応じて変化する前記説明変数の候補の回帰係数の推移を示す正則化パスに基づいて、前記タイムラグの数が前記タイムラグ数以下となるように前記正則化パラメータを決定し、決定された正則化パラメータを用いて前記回帰モデルを決定するステップと、
    を含む情報処理方法。
  12. コンピュータを、
    センサーにより計測された計測項目、及び、プロセスコントローラの制御に用いられる設定項目の少なくとも一方を含む解析対象データが目的変数に影響を与えるまでのタイムラグの候補と、前記目的変数を予測する回帰モデルで許容されるタイムラグ数とを設定する設定部と、
    前記タイムラグの候補に対応する時刻に計測された前記計測項目、及び、前記時刻に設定された前記設定項目の少なくとも一方を、説明変数の候補として選択する選択部と、
    前記回帰モデルの正則化パラメータの値に応じて変化する前記説明変数の候補の回帰係数の推移を示す正則化パスに基づいて、前記タイムラグの数が前記タイムラグ数以下となるように前記正則化パラメータを決定し、決定された正則化パラメータを用いて前記回帰モデルを決定する決定部、
    として機能させるためのプログラム。
JP2020154629A 2020-09-15 2020-09-15 情報処理装置、情報処理システム、情報処理方法及びプログラム Active JP7399832B2 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP2020154629A JP7399832B2 (ja) 2020-09-15 2020-09-15 情報処理装置、情報処理システム、情報処理方法及びプログラム
US17/184,683 US11609969B2 (en) 2020-09-15 2021-02-25 Information processing apparatus, information processing system, information processing method, and computer program product

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2020154629A JP7399832B2 (ja) 2020-09-15 2020-09-15 情報処理装置、情報処理システム、情報処理方法及びプログラム

Publications (2)

Publication Number Publication Date
JP2022048670A JP2022048670A (ja) 2022-03-28
JP7399832B2 true JP7399832B2 (ja) 2023-12-18

Family

ID=80626580

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2020154629A Active JP7399832B2 (ja) 2020-09-15 2020-09-15 情報処理装置、情報処理システム、情報処理方法及びプログラム

Country Status (2)

Country Link
US (1) US11609969B2 (ja)
JP (1) JP7399832B2 (ja)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11838189B1 (en) * 2022-10-28 2023-12-05 Splunk Inc. Creating a budget-based time series

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2014188202A1 (en) 2013-05-24 2014-11-27 King's College London Biomarkers
JP2018522338A (ja) 2015-06-02 2018-08-09 エヌイーシー ラボラトリーズ アメリカ インクＮＥＣ Ｌａｂｏｒａｔｏｒｉｅｓ Ａｍｅｒｉｃａ， Ｉｎｃ． 適応及び動的シュリンキングを介したアニールスパース性
JP2020027988A (ja) 2018-08-09 2020-02-20 東京瓦斯株式会社 遠隔制御サーバ、遠隔制御端末、および遠隔制御システム

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR2923052A1 (fr) * 2007-10-31 2009-05-01 Inst Francais Du Petrole Methode pour optimiser l'exploitation d'un champ d'hydrocarbures par evaluation de l'impact d'une technologie
WO2011140303A1 (en) * 2010-05-05 2011-11-10 University Of Maryland, College Park Time domain-based methods for noninvasive brain-machine interfaces
CN103930912A (zh) 2011-11-08 2014-07-16 国际商业机器公司 时序数据分析方法、系统和计算机程序
JP6189254B2 (ja) 2013-06-21 2017-08-30 株式会社東芝 雨水排水ポンプ制御装置、雨水排水ポンプ制御方法、雨水排水ポンプ制御プログラム、およびパラメータ提供装置
JP6484449B2 (ja) * 2015-01-28 2019-03-13 一般財団法人電力中央研究所 予測装置、予測方法および予測プログラム
WO2017183066A1 (ja) 2016-04-18 2017-10-26 株式会社日立製作所 ウインドウ評価方法および分析装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2014188202A1 (en) 2013-05-24 2014-11-27 King's College London Biomarkers
JP2018522338A (ja) 2015-06-02 2018-08-09 エヌイーシー ラボラトリーズ アメリカ インクＮＥＣ Ｌａｂｏｒａｔｏｒｉｅｓ Ａｍｅｒｉｃａ， Ｉｎｃ． 適応及び動的シュリンキングを介したアニールスパース性
JP2020027988A (ja) 2018-08-09 2020-02-20 東京瓦斯株式会社 遠隔制御サーバ、遠隔制御端末、および遠隔制御システム

Also Published As

Publication number Publication date
JP2022048670A (ja) 2022-03-28
US11609969B2 (en) 2023-03-21
US20220083035A1 (en) 2022-03-17

Similar Documents

Publication Publication Date Title
US7970482B2 (en) Method and system for process control
JP5575792B2 (ja) 航空機エンジンの異常検出
JP6458403B2 (ja) 予測モデル生成装置、予測モデル生成方法及びプログラム
KR101832653B1 (ko) 압연 프로세스의 학습 제어 장치
US20090143873A1 (en) Batch process monitoring using local multivariate trajectories
EP3805875B1 (en) Control system and method for controlling the operation of a production device
JP2022002111A (ja) 製造条件出力装置、品質管理システム及びプログラム
JP7399832B2 (ja) 情報処理装置、情報処理システム、情報処理方法及びプログラム
JP2018528511A (ja) 生産システムにおける出力効率の最適化
JP7393244B2 (ja) 時系列データ予測装置及び時系列データ予測方法
JP5939439B2 (ja) 異常診断装置
US20210089962A1 (en) Information processing device, information processing method, and recording medium
JP2021174397A (ja) 制御支援装置、制御支援方法、制御支援プログラム、および制御システム
JP5125754B2 (ja) Ｐｉｄコントローラのチューニング装置、ｐｉｄコントローラのチューニング用プログラムおよびｐｉｄコントローラのチューニング方法
JP5949032B2 (ja) 前処理方法及び異常診断装置
JP7450238B2 (ja) エンジンの異常診断方法、エンジンの異常診断プログラム、及びエンジンの異常診断システム
JP6829271B2 (ja) 測定動作パラメータ調整装置、機械学習装置及びシステム
US11042786B2 (en) Learning processing device, data analysis device, analytical procedure selection method, and recording medium
JP4230890B2 (ja) モデル同定装置，モデル同定プログラム及びモデル同定装置の動作方法
JP2022035737A (ja) 制御システム、制御方法、制御装置及びプログラム
JP2015232914A (ja) 異常診断装置、異常診断方法及び異常診断プログラム
JP6862841B2 (ja) 処理装置、調整パラメータの予測モデル推定方法、及び調整パラメータの予測モデル推定プログラム
JP6788349B2 (ja) プラント評価装置及びプラント評価方法
JP7515322B2 (ja) 設定管理装置、設定管理方法、及び、設定管理プログラム
JP7115656B1 (ja) 制御装置、制御方法及びプログラム

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20220824

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20230630

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20230704

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: 20231107

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20231206

R151 Written notification of patent or utility model registration

Ref document number: 7399832

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R151