JP7468766B1

JP7468766B1 - 運転支援装置、運転支援方法及びプログラム

Info

Publication number: JP7468766B1
Application number: JP2023179471A
Authority: JP
Inventors: 達矢増田; 直人石橋
Original assignee: Fuji Electric Co Ltd
Current assignee: Fuji Electric Co Ltd
Priority date: 2023-10-18
Filing date: 2023-10-18
Publication date: 2024-04-16
Anticipated expiration: 2043-10-18

Abstract

【課題】連続情報と離散情報とが存在するプロセスに関する運転支援を実現すること。【解決手段】本開示の一態様による運転支援装置は、連続情報と離散情報とが含まれる第１のプロセスデータを入力する入力部と、前記連続情報と前記離散情報とが含まれる複数の第２のプロセスデータを記憶する記憶部と、前記離散情報に基づいて、前記第１のプロセスデータと前記複数の第２のプロセスデータとを複数のグループに分類する分類部と、前記連続情報に基づいて、前記第１のプロセスデータと同一のグループに分類された１以上の第２のプロセスデータの中から、前記第１のプロセスデータに類似する第２のプロセスデータを探索する類似探索部と、前記第１のプロセスデータに類似する第２のプロセスデータに含まれる操作量を補正する補正部と、を有する。【選択図】図４

Description

本開示は、運転支援装置、運転支援方法及びプログラムに関する。

近年、産業分野では熟練オペレータの不足等を背景にプラント運転支援技術へのニーズが高まっており、プラント運転支援に関する様々な技術が提案されている。例えば、特許文献１には、連続系プロセスを実行するプラントを対象として、現在の操業状態と類似する状態の過去操業のプロセスデータを検索した上で、そのプロセスデータから操作量を決定してオペレータ等に提示する技術が開示されている。

特許第５１７６２０６号公報

しかしながら、プラント運転支援に関する従来技術では、プロセスの連続的な値を表す情報（以下、連続情報ともいう。）から過去操業のプロセスデータを検索している。このため、連続情報の他にプロセスの離散的な値を表す情報（以下、離散情報ともいう。）が存在する場合には、現在の操業状態と類似する状態の過去操業のプロセスデータを検索できないことがあった。

本開示は、上記の点に鑑みてなされたもので、連続情報と離散情報とが存在するプロセスに関する運転支援を実現することを目的とする。

本開示の一態様による運転支援装置は、連続情報と離散情報とが含まれる第１のプロセスデータを入力する入力部と、前記連続情報と前記離散情報とが含まれる複数の第２のプロセスデータを記憶する記憶部と、前記離散情報に基づいて、前記第１のプロセスデータと前記複数の第２のプロセスデータとを複数のグループに分類する分類部と、前記連続情報に基づいて、前記第１のプロセスデータと同一のグループに分類された１以上の第２のプロセスデータの中から、前記第１のプロセスデータに類似する第２のプロセスデータを探索する類似探索部と、前記第１のプロセスデータに類似する第２のプロセスデータに含まれる操作量を補正する補正部と、を有する。

連続情報と離散情報とが存在するプロセスに関する運転支援を実現することができる。

本実施形態に係る運転支援装置のハードウェア構成の一例を示す図である。本実施形態に係る運転支援装置の機能構成の一例を示す図である。過去操業のバッチプロセスデータの一例を示す図である。本実施形態に係る運転支援処理の一例を示すフローチャートである。対象データ及び過去操業のバッチプロセスデータの分類の一例を示す図である。近傍探索の一例を示す図である。類似操業の操作量に対する補正と評価項目値の算出の一例を示す図である。推奨操作量の可視化結果の一例を示す図である。

以下、本発明の一実施形態について説明する。以下の実施形態では、連続情報と離散情報とが存在するプロセスとして主にバッチプロセスを想定し、バッチプロセスを実行するプラントの運転支援を実現する運転支援装置１０について説明する。なお、連続情報とは、プロセスの連続的な値を表す情報のことである。一方で、離散情報とは、プロセスの離散的な値を表し、同一操業内では変化せず一定値を取る情報のことである。

連続情報としては、例えば、プロセスの状態をセンサ等により計測した計測値（具体例：温度、圧力、流量等）等が挙げられる。また、離散情報としては、例えば、プロセスによって製造又は生産される製品名を表す情報、プロセスを実行するプラントに投入される原材料名や素材名を表す情報等が挙げられる。一般に、バッチプロセスのプロセスデータ（以下、バッチプロセスデータともいう。）は、計測値等の連続情報と、何等かの離散情報（例えば、そのバッチプロセスで製造又は生産される製品名やそのバッチプロセスを実行するプラントに投入される原材料名等を表す情報）とで構成される。ただし、離散情報は、そのバッチプロセス（つまり、同一操業）内では変化せず一定値を取る。

なお、離散情報は離散値として表現される情報であれば上記に限られるものではなく、離散情報は、例えば、プロセスを実行する炉の番号を表す情報、プラントに投入される原材料等を格納しているタンクの番号を表す情報等であってもよい。また、離散情報は、例えば、プロセスが実行される月や曜日、時間帯、季節等を表す情報、プロセスの実行時間を表す情報、プロセスが実行された日の天気（晴れ、雨、曇り等）を表す情報等であってもよい。他の例としては、離散情報は、例えば、何等かの連続情報をクラスタリング等の手法により離散化した値を表す情報であってもよい。

ここで、本実施形態に係る運転支援装置１０は、以下の（１）～（４）を実行することにより、バッチプロセスを実行するプラントの運転支援を実現する。

（１）離散情報を用いて、現在の操業のプロセスデータと過去操業のプロセスデータとを複数のグループに分類する。

（２）連続情報を用いて、現在の操業のプロセスデータと同一グループに分類されたプロセスデータの中から、現在の操業状態と類似する状態の過去操業（以下、類似操業ともいう。）のプロセスデータを取得する。

（３）上記の（２）で取得されたプロセスデータに含まれる操作量に対して補正を行うことにより１つ以上の操作量を作成する。

（４）上記の（３）で補正された操作量のうち、所定の評価項目値（例えば、バッチプロセスによって生産又は製造された製品の品質を評価するための項目値）が目標値に達する操作量を推奨操作量としてオペレータ等に可視化して提示する。

以上の（１）～（４）により、連続情報と離散情報とが存在するプロセスに関する運転支援が実現される。特に、上記の（１）及び（２）により、連続情報と離散情報の両方を考慮して、類似操業のプロセスデータを取得することができる。また、上記の（３）により、仮に現在の操業の操作量と類似操業の操作量とがあまり似ていなかったとしても、目標を達成するような最適な操作量を得ることができる。また、上記の（４）により、実際に操作量をプラントに設定（より正確には、操作対象の機器が含まれるプラントを制御する制御装置に操作量を設定）する際に、オペレータは、推奨操作量を参考にして適切な操作量を決定及び設定することが可能となる。

以下、一例として、バッチプロセスデータは、連続値を取るＮ個のプロセス変数ｘ_１，・・・，ｘ_Ｎと、連続値又は離散値を取る操作変数ｕと、離散値を取るＫ個の属性値ａ_１，・・・，ａ_Ｋとで構成されているものとする。また、以下では、簡単のため、特にＫ＝２の場合について説明する。このとき、バッチプロセスデータは、１バッチの開始時刻をｔ＝１、終了時刻をｔ＝Ｔとすれば、｛（ｘ_１（ｔ），・・・，ｘ_Ｎ（ｔ），ｕ（ｔ），ａ_１（ｔ），ａ_２（ｔ））｜ｔ＝１，・・・，Ｔ｝と表される。ここで、Ｎ個のプロセス変数の値（ｘ_１（ｔ），・・・，ｘ_Ｎ（ｔ）が連続情報、２個の属性値ａ_１（ｔ），ａ_２（ｔ）が離散情報である。また、操作変数の値ｕ（ｔ）が操作量である。なお、ｔはバッチ内の相対時刻を表すインデックスである。

また、以下では、各時刻ｔにおけるプロセス変数ｘ_１，・・・，ｘ_Ｎの値と操作変数ｕの値と属性値ａ_１，ａ_２との組をそれぞれ「時刻ｔのバッチプロセスデータ」と呼ぶことにする。すなわち、（ｘ_１（ｔ），・・・，ｘ_Ｎ（ｔ），ｕ（ｔ），ａ_１（ｔ），ａ_２（ｔ））のことを時刻ｔのバッチプロセスデータと呼ぶことにする。

＜運転支援装置１０のハードウェア構成例＞
本実施形態に係る運転支援装置１０のハードウェア構成例を図１に示す。図１に示すように、本実施形態に係る運転支援装置１０は、入力装置１０１と、表示装置１０２と、外部Ｉ／Ｆ１０３と、通信Ｉ／Ｆ１０４と、ＲＡＭ（Random Access Memory）１０５と、ＲＯＭ（Read Only Memory）１０６と、補助記憶装置１０７と、プロセッサ１０８とを有する。これらの各ハードウェアは、それぞれがバス１０９を介して通信可能に接続される。

入力装置１０１は、例えば、キーボード、マウス、タッチパネル、物理ボタン等である。表示装置１０２は、例えば、ディスプレイ、表示パネル等である。なお、運転支援装置１０は、例えば、入力装置１０１及び表示装置１０２のうちの少なくとも一方を有していなくてもよい。

外部Ｉ／Ｆ１０３は、記録媒体１０３ａ等の外部装置とのインタフェースである。記録媒体１０３ａとしては、例えば、ＣＤ（Compact Disc）、ＤＶＤ（Digital Versatile Disk）、ＳＤメモリカード（Secure Digital memory card）、ＵＳＢ（Universal Serial Bus）メモリカード等が挙げられる。

通信Ｉ／Ｆ１０４は、運転支援装置１０が通信ネットワークに接続するためのインタフェースである。ＲＡＭ１０５は、プログラムやデータを一時保持する揮発性の半導体メモリ（記憶装置）である。ＲＯＭ１０６は、電源を切ってもプログラムやデータを保持することができる不揮発性の半導体メモリ（記憶装置）である。補助記憶装置１０７は、例えば、ＨＤＤ（Hard Disk Drive）、ＳＳＤ（Solid State Drive）、フラッシュメモリ等の不揮発性の記憶装置であり、プログラムやデータが格納される。プロセッサ１０８は、例えば、ＣＰＵ（Central Processing Unit）やＧＰＵ（Graphics Processing Unit）等の各種演算装置である。

なお、図１に示すハードウェア構成は一例であって、運転支援装置１０は、他のハードウェア構成を有していてもよい。例えば、運転支援装置１０は、複数の補助記憶装置１０７や複数のプロセッサ１０８を有していてもよいし、図示したハードウェア以外の種々のハードウェアを有していてもよい。

＜運転支援装置１０の機能構成例＞
本実施形態に係る運転支援装置１０の機能構成例を図２に示す。図２に示すように、本実施形態に係る運転支援装置１０は、入力部２０１と、分類部２０２と、類似探索部２０３と、補正部２０４と、選択部２０５と、可視化部２０６とを有する。これら各部は、例えば、運転支援装置１０にインストールされた１以上のプログラムが、プロセッサ１０８等に実行させる処理により実現される。また、本実施形態に係る運転支援装置１０は、記憶部２０７を有する。記憶部２０７は、例えば、補助記憶装置１０７の記憶領域等により実現される。なお、記憶部２０７は、例えば、運転支援装置１０と通信可能に接続された記憶装置の記憶領域等により実現されていてもよい。

入力部２０１は、現在の操業（つまり、現在実行中のバッチプロセス）で推奨操作量の算出対象となるバッチプロセスデータ（以下、対象データともいう。）を入力する。ここで、対象データは、現在の操業におけるバッチの開始時刻をｔ＝１、現在時刻をｔ＝ｔ_ｐとして｛（ｘ_１（ｔ），・・・，ｘ_Ｎ（ｔ），ｕ（ｔ），ａ_１（ｔ），ａ_２（ｔ））｜ｔ＝１，・・・，ｔ_ｐ｝と表される。すなわち、対象データは、現在の操業におけるバッチの開始時刻ｔ＝１から現在時刻ｔ＝ｔ_ｐまでの時刻ｔのバッチプロセスデータの集合のことである。なお、入力部２０１は、例えば、現在のバッチプロセスを実行しているプラントを制御する制御装置等から対象データを取得してもよいし、現在の操業のバッチプロセスデータを格納しているデータベースサーバ等から対象データを取得してもよい。

分類部２０２は、対象データに含まれる離散情報と、記憶部２０７に記憶されているバッチプロセスデータに含まれる離散情報とを用いて、対象データと記憶部２０７に記憶されているバッチプロセスデータとを複数のグループに分類する。

類似探索部２０３は、対象データに含まれる連続情報と、対象データと同一グループに分類されたバッチプロセスデータに含まれる連続情報とを用いて、それらのバッチプロセスデータの中から類似操業のバッチプロセスデータを探索及び取得する。

補正部２０４は、類似操業のバッチプロセスデータに含まれる操作量に対して補正を行うことにより１つ以上の推奨操作量候補を作成する。ここで、推奨操作量候補とは、推奨操作量の候補となる操作量系列（操作量の時系列データ）のことである。

選択部２０５は、現在時刻ｔ＝ｔ_ｐ以降の操作量（又は、或る時刻ｔ＞ｔ_ｐ以降の操作量）として推奨操作量候補が表す操作量をプラントに設定したときの所定の評価項目値を予測する予測モデルを用いて、各推奨操作量候補に対する評価項目値をそれぞれ算出する。そして、選択部２０５は、評価項目値が目標値に到達する推奨操作量候補を推奨操作量として選択する。ここで、評価項目とはバッチプロセスを評価する項目のことであり、例えば、そのバッチプロセスによって生産又は製造された製品の品質を評価するための項目等が挙げられる。また、目標値とは評価項目に対して目標となる値のことであり、例えば、製品品質の目標値等のことである。製品品質の具体例としては、例えば、バッチプロセスによって或る錠剤を生産する場合、その錠剤の硬度や或る成分の濃度等が挙げられる。

ただし、評価項目が製品の品質を評価するための項目であることは一例であって、これ以外の項目を評価項目としてもよい。例えば、バッチプロセスによって生産又は製造された製品の個数を評価項目としてもよいし、製品の生産又は製造に要した時間を評価項目としてもよい。その他、バッチプロセスを評価する項目であれば、任意の項目を評価項目として採用することが可能である。

なお、予測モデルとしては、推奨操作量候補に基づいてその推奨操作量候補が表す操作量をプラントに設定したときの評価項目値を予測するものであれば、任意のモデルを用いることが可能である。例えば、推奨操作量が表す操作量の系列（又は、その系列の統計量等といった何等かの特徴量）を入力として評価項目値を出力する機械学習モデルを予測モデルとして用いることが可能である。

可視化部２０６は、選択部２０５によって選択された推奨操作量を少なくとも可視化する。このとき、可視化部２０６は、例えば、当該推奨操作量を表示装置１０２上に可視化してもよいし、運転支援装置１０と通信可能に接続される端末（特に、オペレータが利用する端末）が備えるディスプレイ上に可視化してもよい。

記憶部２０７は、過去操業のバッチプロセスデータを記憶している。なお、各操業が終了（つまり、各バッチが終了）した場合、その操業のバッチプロセスデータは、過去操業のバッチプロセスデータとして記憶部２０７に記憶される。

ここで、記憶部２０７に記憶されている過去操業のバッチプロセスデータの一例を図３に示す。図３に示す例では、過去操業１のバッチプロセスデータ｛（ｘ_１（ｔ），・・・，ｘ_Ｎ（ｔ），ｕ（ｔ），ａ_１（ｔ），ａ_２（ｔ））｜ｔ＝１，・・・，Ｔ_１｝～過去操業Ｍのバッチプロセスデータ｛（ｘ_１（ｔ），・・・，ｘ_Ｎ（ｔ），ｕ（ｔ），ａ_１（ｔ），ａ_２（ｔ））｜ｔ＝１，・・・，Ｔ_Ｍ｝のＭ件のバッチプロセスデータが記憶部２０７に記憶されている場合を示している。なお、各過去操業のバッチプロセスデータはそれぞれ１バッチのプロセスデータを表しているが、バッチの長さは各過去操業で異なり得るため、バッチの終了時刻も各過去操業で異なり得る。このため、図３に示す例では、過去操業ｍ（ｍ∈｛１，・・・，Ｍ｝）のバッチの終了時刻がｔ＝Ｔ_ｍで表されている。また、各過去操業ｍのバッチプロセスデータ｛（ｘ_１（ｔ），・・・，ｘ_Ｎ（ｔ），ｕ（ｔ），ａ_１（ｔ），ａ_２（ｔ））｜ｔ＝１，・・・，Ｔ_ｍ｝では、離散情報ａ_１（ｔ），ａ_２（ｔ）は一定であることに留意されたい。

＜運転支援処理＞
以下、本実施形態に係る運転支援処理について、図４を参照しながら説明する。なお、以下の運転支援処理は、例えば、予め決められた時間が経過する毎に繰り返し実行されてもよいし、予め決められたタイミングで実行されてもよいし、バッチプロセスで予め決められたイベントが発生したときに実行されてもよい。当該イベントとしては、例えば、バッチ開始を表すイベント、何等かの操作の操作量がプラントに設定されたことを表すイベント等が挙げられる。

ステップＳ１０１：入力部２０１は、対象データ（つまり、現在の操業におけるバッチの開始時刻ｔ＝１から現在時刻ｔ＝ｔ_ｐまでの時刻ｔのバッチプロセスデータの集合）を入力する。

ステップＳ１０２：分類部２０２は、上記のステップＳ１０１で入力された対象データに含まれる離散情報と、記憶部２０７に記憶されているバッチプロセスデータに含まれる離散情報とを用いて、対象データと各バッチプロセスデータとを複数のグループに分類する。分類部２０２は、例えば、離散情報が同一であるものを同一グループとして、対象データと各過去操業のバッチプロセスデータとを複数のグループに分類すればよい。

一例として、離散情報が属性値ａ_１、ａ_２であり、ａ_１及びａ_２は０又は１を取る場合における対象データ及び過去操業のバッチプロセスデータの分類例を図５に示す。図５に示す例では、Ｐ_０が対象データの属性値（ａ_１，ａ_２）をプロットした点、Ｐ_１～Ｐ_１８が過去操業のバッチプロセスデータの属性値（ａ_１，ａ_２）をプロットした点をそれぞれ表している。この場合、図５に示すように、（ａ_１，ａ_２）＝（０，０），（１，０），（０，１），（１，１）の４つのグループに分類される。対象データの属性値は（ａ_１，ａ_２）＝（０，０）であるため、対象データと同一グループのバッチプロセスデータは点Ｐ_１～Ｐ_６にそれぞれ対応するバッチプロセスデータとなる。

ステップＳ１０３：類似探索部２０３は、上記のステップＳ１０１で入力された対象データに含まれる連続情報と、当該対象データと同一グループに分類されたバッチプロセスデータに含まれる連続情報とを用いて、それらのバッチプロセスデータの中から類似操業のバッチプロセスデータを探索及び取得する。ここで、類似探索部２０３は、例えば、連続情報の時間断面を利用して類似操業のバッチプロセスデータを探索及び取得してもよいし、一定期間の連続情報の時系列を利用して類似操業のバッチプロセスデータを探索及び取得してもよい。以下、一例として、この２つの方法について説明する。ただし、この２つの方法は一例であって、この２つの方法以外の方法により類似操業のバッチプロセスデータが探索及び取得されてもよい。

・連続情報の時間断面を利用する方法
対象データをｄ、対象データに含まれる時刻ｔのバッチプロセスデータをｄ（ｔ）とする。また、対象データｄと同一グループに分類された過去操業のバッチプロセスデータをｄ_ｉ、バッチプロセスデータｄ_ｉに含まれる時刻ｔのバッチプロセスデータをｄ_ｉ（ｔ）とする。ここで、ｉは対象データｄと同一グループに分類された過去操業のバッチプロセスデータの番号を表し、ｉ＝１，・・・，Ｉとする。なお、Ｉは対象データｄと同一グループに分類された過去操業のバッチプロセスデータの総数である。

また、以下では、簡単のため、１バッチ内で或る１種類の操作のみが行われることを想定し、この操作の推奨操作量をオペレータ等に提示したい場合を考える。なお、１バッチ内で複数種類の操作が行われる場合は、オペレータ等に推奨操作量を提示したい操作に関して以下を同様に適用すればよい。

対象データｄの特徴量をｗ：＝ｄ（ｔ_ｐ－Δ）、バッチプロセスデータｄ_ｉの特徴量をｗ_ｉ：＝（ｄ_ｉ（ｔ_ｉ ^（１）－Δ）＋・・・＋ｄ_ｉ（ｔ_ｉ ^（Ｓｉ）－Δ））／Ｓｉとする。ここで、ｔ_ｐは現在時刻、Δは予め決められた時間幅（具体例：Δ＝１〔分〕等）である。ｔ_ｉ ^（ｓ）はバッチプロセスデータｄ_ｉでｓ（ただし、ｓ＝１，・・・，Ｓｉ）回目に操作が行われた時刻（言い換えれば、ｓ回目の当該操作が行われたことによってｕ（ｔ－１）≠ｕ（ｔ）となった時刻ｔ）である。また、Ｓｉはバッチプロセスデータｄ_ｉに対応する過去操業内で操作が行われた回数である。

なお、特に、Ｓｉ＝１であってもよく、この場合、バッチプロセスデータｄ_ｉの特徴量はｗ_ｉ＝ｄ_ｉ（ｔ_ｉ－Δ）と表される。

このとき、近傍探索等の手法を利用して、特徴量ｗ_ｉ（ｉ＝１，・・・，Ｉ）のうち、特徴量ｗと最も類似する特徴量ｗ_ｉのバッチプロセスデータｄ_ｉを類似操業のバッチプロセスデータとして取得する。ここで、特徴量ｗ_ｉと特徴量ｗとの類似性を測る尺度は特定の尺度に限定されず、既知の任意の尺度を採用すればよい。例えば、距離（具体例：ユークリッド距離、マンハッタン距離等）、類似度（具体例：コサイン類似度、ジャッカード係数等）を採用することができる。また、距離や類似度以外にも、例えば、相関係数等を採用してもよい。

一例として、Ｎ＝２であり、特徴量ｗ_ｉと特徴量ｗとの類似性を測る尺度としてユークリッド距離を採用した場合の近傍探索例を図６に示す。図６に示す例では、Ｐ_０が対象データｄの特徴量ｗ＝ｄ（ｔ_ｐ－Δ）をプロットした点、Ｐ_１～Ｐ_６が過去操業のバッチプロセスデータｄ_ｉの特徴量ｗ_ｉ＝（ｄ_ｉ（ｔ_ｉ ^（１）－Δ）＋・・・＋ｄ_ｉ（ｔ_ｉ ^（Ｓｉ）－Δ））／Ｓｉをプロットした点をそれぞれ表している。この場合、点Ｐ_０の最近傍となる点はＰ_３であるため、バッチプロセスデータｄ_３が類似操業のバッチプロセスデータとして取得される。

・一定期間の連続情報の時系列を利用する方法
対象データをｄ、対象データに含まれる時刻ｔのバッチプロセスデータをｄ（ｔ）とする。また、対象データｄと同一グループに分類された過去操業のバッチプロセスデータをｄ_ｉ、バッチプロセスデータｄ_ｉに含まれる時刻ｔのバッチプロセスデータをｄ_ｉ（ｔ）とする。ここで、ｉは対象データｄと同一グループに分類された過去操業のバッチプロセスデータの番号を表し、ｉ＝１，・・・，Ｉとする。なお、Ｉは対象データｄと同一グループに分類された過去操業のバッチプロセスデータの総数である。

また、以下では、簡単のため、１バッチ内で或る１種類の操作が１回のみ行われることを想定し、この操作の推奨操作量をオペレータ等に提示したい場合を考える。なお、１バッチ内で複数種類の操作がそれぞれ１回のみ行われる場合は、オペレータ等に推奨操作量を提示したい操作に関して以下を同様に適用すればよい。

対象データｄの特徴量をｗとして、特徴量ｗを時系列データｄ（１），・・・，ｄ（ｔ_ｐ－Δ）の特徴量とする。同様に、バッチプロセスデータｄ_ｉの特徴量をｗ_ｉとして、特徴量ｗ_ｉを時系列データｄ_ｉ（１），・・・，ｄ_ｉ（ｔ_ｉ－Δ）の特徴量とする。ここで、ｔ_ｐは現在時刻、Δは予め決められた時間幅（具体例：Δ＝１〔分〕等）である。ｔ_ｉはバッチプロセスデータｄ_ｉで該当の操作が行われた時刻（言い換えれば、該当の操作が行われたことによってｕ（ｔ－１）≠ｕ（ｔ）となった時刻ｔ）である。

なお、時系列データの特徴量としては様々な特徴量を採用することが可能であるが、例えば、時系列データの統計量（具体例：平均値、分散等）、時系列データに含まれる隣接データ間の距離（つまり、時刻ｔ－１のデータと時刻ｔのデータとの距離）の合計等を採用することが可能である。隣接データ間の距離に関しては、例えば、ユークリッド距離、マンハッタン距離、ＤｙｎａｍｉｃＴｉｍｅＷｒａｐｐｉｎｇ等を採用することが可能である。

ステップＳ１０４：補正部２０４は、上記のステップＳ１０３で取得されたバッチプロセスデータに含まれる操作量に対して補正を行うことにより１つ以上の推奨操作量候補を作成する。ここで、補正部２０４は、例えば、予め定義された複数の補正パターンをそれぞれ用いて当該操作量を補正してもよいし、与えられた目標値に対してフィードバック制御により当該操作量を補正してもよいし、予測モデルを利用したモデル予測制御等により与えられた目標値に到達するように当該操作量を補正してもよいし、強化学習を用いて利得を最大化するように当該操作量を補正してもよいし、これらの補正方法を組み合わせた方法により当該操作量を補正してもよい。以下、一例として、複数の補正パターンをそれぞれ用いて当該操作量を補正する方法について説明する。ただし、上記の補正方法はいずれも一例であって、上記の補正方法以外の様々な補正方法により当該操作量が補正されてもよい。

以下、上記のステップＳ１０３で取得されたバッチプロセスデータをｄ_ｉ'＝｛（ｘ_１ ^（ｉ'）（ｔ），・・・，ｘ_Ｎ ^（ｉ'）（ｔ），ｕ^（ｉ'）（ｔ），ａ_１ ^（ｉ'）（ｔ），ａ_２ ^（ｉ'）（ｔ））｜ｔ＝１，・・・，Ｔ^（ｉ'）｝とする。また、補正パターンの数はＪ個であるものとして、各補正パターンを「補正パターンｊ」と表すことにする。このとき、補正部２０４は、補正パターンｊを用いて、バッチプロセスデータｄ_ｉ'に含まれる操作量ｕ^（ｉ'）（ｔ）（ただし、ｔ_ｐ＋１≦ｔ≦Ｔ^（ｉ'））を補正することにより、ｊ番目の推奨操作量候補｛ｕ_ｊ（ｔ）｜ｔ＝１，・・・，Ｔ^（ｉ'）｝を作成する。ただし、１≦ｔ≦ｔ_ｐのときｕ_ｊ（ｔ）＝ｕ^（ｉ'）（ｔ）、ｔ_ｐ＋１≦ｔ≦Ｔ'のときｕ_ｊ（ｔ）＝ｈ_ｊ（ｕ^（ｉ'）（ｔ））である。ここで、ｈ_ｊ（・）は、操作量を入力として、補正パターンｊによって当該操作量を補正し、補正後の操作量を出力する関数である。すなわち、ｈ_ｊ（・）は補正パターンｊを表す関数である。これにより、Ｊ個の推奨操作量候補｛｛ｕ_ｊ（ｔ）｜ｔ＝１，・・・，Ｔ^（ｉ'）｝｜ｊ＝１，・・・，Ｊ｝が得られる。

上記の関数ｈ_ｊ（・）は予め作成され、例えば、補助記憶装置１０７等に保存される。ｈ_ｊ（・）の具体例としては、例えば、ｔ_１≦ｔ＜ｔ_２のときｈ_ｊ（ｕ（ｔ））＝ｕ（ｔ）、ｔ_２≦ｔ＜ｔ_３のときｈ_ｊ（ｕ（ｔ））＝ａ×ｕ（ｔ）、ｔ_３≦ｔ＜ｔ_４のときｈ_ｊ（ｕ（ｔ））＝ｂ×ｕ（ｔ）、ｔ_４≦ｔのときｈ_ｊ（ｕ（ｔ））＝ｃ等と定義される関数が挙げられる。ここで、ｔ_１～ｔ_４は予め設定された時刻（バッチ内の相対時刻）を表すインデックス、ａ、ｂ、ｃは予め設定された定数である。他の具体例としては、例えば、ｈ_ｊ（ｕ（ｔ））＝ａ×ｕ（ｔ）＋ｂ（ただし、ａ、ｂは予め設定された定数）等と定義される関数が挙げられる。ただし、これらは一例であって、ｈ_ｊ（・）は様々な定義することができる。例えば、任意の多項式関数や初等関数（三角関数、指数関数、対数関数等）等を組み合わせたものをｈ_ｊ（・）と定義することもできるし、操作量に対して乱数を付与する関数等を更に組み合わせたものをｈ_ｊ（・）と定義することもできる。また、Ｊ≧２であることを想定するが、Ｊ＝１であってもよい。

ステップＳ１０５：選択部２０５は、予測モデルを用いて、上記のステップＳ１０４で作成された推奨操作量候補の中から推奨操作量とする推奨操作量候補を選択する。

上記のステップＳ１０４で作成された推奨操作量候補を｛｛ｕ_ｊ（ｔ）｜ｔ＝１，・・・，Ｔ^（ｉ'）｝｜ｊ＝１，・・・，Ｊ｝とする。また、予測モデルをｆとする。このとき、選択部２０５は、例えば、｛ｕ_ｊ（ｔ）｜ｔ＝ｔ_ｐ，・・・，Ｔ^（ｉ'）｝を用いて、予測モデルｆにより評価項目値Ｅ_ｊを算出する。そして、選択部２０５は、時刻ｔ＝Ｔ^（ｉ'）における評価項目値Ｅ_ｊ（Ｔ^（ｉ'））が、与えられた目標値Ｖに到達する推奨操作量候補を推奨操作量として選択する。すなわち、選択部２０５は、例えば、評価項目値Ｅ_ｊ（Ｔ^（ｉ'））と目標値Ｖとの差の絶対値が｜Ｅ_ｊ（Ｔ^（ｉ'））－Ｖ｜＜εを満たし、かつ、｜Ｅ_ｊ（Ｔ^（ｉ'））－Ｖ｜が最も小さい推奨操作量候補を推奨操作量として選択する。ここで、ε＞０は許容誤差である。これにより、許容誤差以内で評価項目値が目標値に達成する最適な操作量を推奨操作量として得ることができる。ただし、これは一例であって、選択部２０５は、例えば、｜Ｅ_ｊ（Ｔ^（ｉ'））－Ｖ｜が最も小さい推奨操作量候補を推奨操作量として選択してもよい。

なお、予測モデルｆは、推奨操作量候補に含まれる操作量の時系列データ｛ｕ_ｊ（ｔ）｜ｔ＝ｔ_ｐ，・・・，Ｔ^（ｉ'）｝を入力とするものであってもよいし、その時系列データの一部のデータを入力するものであってもよいし、その時系列データの特徴量を入力とするものであってもよい。また、予測モデルｆは、時刻ｔ＝Ｔ^（ｉ'）における評価項目値Ｅ_ｊ（Ｔ^（ｉ'））のみを出力するモデルであってもよいし、評価項目値の時系列データ｛Ｅ_ｊ（ｔ）｜ｔ＝ｔ_ｐ，・・・，Ｔ^（ｉ'）｝を出力するモデルであってもよい。

一例として、上記のステップＳ１０４で補正パターン１～補正パターンＫを用いて操作量を補正し、上記のステップＳ１０５で予測モデルにより評価項目値の算出した場合の例を図７示す。図７に示す例では、補正パターン１により作成した推奨操作量候補から予測された評価項目値が時刻ｔ＝Ｔ^（ｉ'）で目標値に到達している。このため、図７に示す例では、補正パターン１により作成した推奨操作量候補が推奨操作量として選択される。なお、図７に示す例では、評価項目値が、目標値に対する達成率〔％〕で図示されている。

ステップＳ１０６：可視化部２０６は、上記のステップＳ１０５で選択された推奨操作量を少なくとも可視化する。なお、可視化部２０６は、推奨操作量に加えて、例えば、この推奨操作量に対応する評価項目値の時系列データ、類似操業のバッチプロセスデータに含まれる操作量の時系列データ、類似操業のバッチプロセスデータに含まれる操作量から算出された評価項目値の時系列データ等を可視化してもよい。

一例として、推奨操作量に加えて、当該推奨操作量に対応する評価項目値の時系列データと、類似操業のバッチプロセスデータに含まれる操作量の時系列データと、類似操業のバッチプロセスデータに含まれる操作量から算出された評価項目値の時系列データとを可視化した結果を図８に示す。図８に示す可視化結果１０００には、運転計画欄１１００と、類似操業欄１２００とが含まれている。運転計画欄１１００には、推奨操作量を可視化したグラフが表示される推奨操作量表示欄１１１０と、この推奨操作量に対応する評価項目値の時系列データを可視化したグラフが表示される評価項目表示欄１１２０とが含まれている。また、類似操業欄１２００には、類似操業のバッチプロセスデータに含まれる操作量（の時系列データ）を可視化したグラフが表示される類似操業操作量表示欄１２１０と、この操作量から算出された評価項目値の時系列データを可視化したグラフが表示される評価項目表示欄１２２０とが含まれている。これにより、オペレータ等は、現在の操業で評価項目値を目標値に到達させるような操作量を推奨操作量として知ることができる。

また、図８に示す可視化結果１０００には、選択欄１３００が含まれていてもよい。選択欄１３００には、ラジオボタン１３１０と、決定ボタン１３２０が含まれており、ラジオボタン１３１０では「推奨操作量」、「類似操業の操作量」又は「採用しない」のいずれかを選択することができる。オペレータ等はラジオボタン１３１０から「推奨操作量」を選択した上で決定ボタン１３２０を押下することにより、推奨操作量に含まれる操作量のうち、現在時刻ｔ_ｐ以降の操作量をプラントに設定することができる。同様に、オペレータ等はラジオボタン１３１０から「類似操業の操作量」を選択した上で決定ボタン１３２０を押下することにより、類似操業のバッチプロセスデータに含まれる操作量のうち、現在時刻ｔ_ｐ以降の操作量をプラントに設定することができる。一方で、オペレータ等はラジオボタン１３１０から「採用しない」を選択した上で決定ボタン１３２０を押下することにより、推奨操作量及び類似操業の操作量以外の操作量をプラントに設定することができる。なお、操作量をプラントに設定するとは、より正確には、操作対象の機器が含まれるプラントを制御する制御装置に操作量を設定することを意味する。

＜まとめ＞
以上のように、本実施形態に係る運転支援装置１０は、連続情報と離散情報の両方を考慮して、現在の操業に類似する過去操業のプロセスデータを取得し、このプロセスデータに含まれる操作量を補正した補正量をプラントのオペレータ等に提示する。これにより、現在の操業に類似していない過去操業のプロセスデータが取得されてしまう事態を防止することができる。また、過去操業のプロセスデータに含まれる操作量を補正するため、仮に過去操業のプロセスデータに含まれる操作量が現在の操業の操作量とあまりに似ていなかったとしても、目標を達成するような最適な操作量をオペレータ等に提示することができる。

＜変形例＞
以下、上記の実施形態の一変形例について説明する。

≪変形例１≫
図４のステップＳ１０３では近傍探索により過去操業のバッチプロセスデータを探索する際に、対象データの最近傍となる１つのバッチプロセスデータを類似操業のバッチプロセスデータとして取得したが、複数のバッチプロセスデータが取得されてもよい。例えば、対象データの最近傍となるバッチプロセスデータに加えて、その次に最近傍となるバッチプロセスデータや更にその次に最近傍となるバッチプロセスデータ等が取得されてもよい。

なお、複数のバッチプロセスデータが類似操業のバッチプロセスデータとして取得された場合、類似操業のバッチプロセスデータ毎にステップＳ１０５を実行して複数の推奨操作量を選択した後、ステップＳ１０６でこれら複数の推奨操作量を可視化すればよい。ただし、例えば、類似操業として取得された複数のバッチプロセスデータが等長のバッチプロセスに関するバッチプロセスデータである場合、これら複数のバッチプロセスデータの各時点で平均値等を算出することにより１つのバッチプロセスデータを作成した後、このバッチプロセスデータに対してステップＳ１０５～ステップＳ１０６が実行されてもよい。

≪変形例２≫
図４のステップＳ１０２では対象データと各バッチプロセスデータとを複数のグループに分類したが、記憶部２０７に記憶されているバッチプロセスデータの中から対象データと離散情報が同一であるバッチプロセスデータを特定してもよい。この場合、ステップＳ１０３では、ステップＳ１０２で特定されたバッチプロセスデータの中から類似操業のバッチプロセスデータを探索及び取得すればよい。

≪変形例３≫
上記の実施形態では連続情報と離散情報とが存在するプロセスとしてバッチプロセスを想定したが、連続情報と離散情報とが存在するプロセスであれば、或る所定の期間で区切った連続系プロセスのプロセスデータに対して上記の実施形態が適用されてもよい。例えば、１か月毎の期間で連続系プロセスのプロセスデータを区切ったデータに対して上記の実施形態が適用されてもよい。又は、例えば、１か月毎の期間で連続系プロセスのプロセスデータを区切った上で、その期間の月を表す離散情報（つまり、１～１２のいずれかの値を取る離散情報）を付与したデータに対して上記の実施形態が適用されてもよい。

本発明は、具体的に開示された上記の実施形態に限定されるものではなく、特許請求の範囲の記載から逸脱することなく、種々の変形や変更、既知の技術との組み合わせ等が可能である。

１０運転支援装置
１０１入力装置
１０２表示装置
１０３外部Ｉ／Ｆ
１０３ａ記録媒体
１０４通信Ｉ／Ｆ
１０５ＲＡＭ
１０６ＲＯＭ
１０７補助記憶装置
１０８プロセッサ
１０９バス
２０１入力部
２０２分類部
２０３類似探索部
２０４補正部
２０５選択部
２０６可視化部
２０７記憶部

Claims

連続情報と離散情報とが含まれる第１のプロセスデータを入力する入力部と、
前記連続情報と前記離散情報とが含まれる複数の第２のプロセスデータを記憶する記憶部と、
前記離散情報に基づいて、前記第１のプロセスデータと前記複数の第２のプロセスデータとを複数のグループに分類する分類部と、
前記連続情報に基づいて、前記第１のプロセスデータと同一のグループに分類された１以上の第２のプロセスデータの中から、前記第１のプロセスデータに類似する第２のプロセスデータを探索する類似探索部と、
１つ以上の補正パターンに基づいて、前記第１のプロセスデータに類似する第２のプロセスデータに含まれる操作量のうち、現在時刻以降の操作量をそれぞれ補正した１つ以上の補正後操作量を作成する補正部と、
前記１つ以上の補正後操作量に基づいて、所定の目標を達成するための最適な操作量を選択する選択部と、
を有し、
前記選択部は、
操作量系列を入力として所定の評価項目値を出力するモデルを用いて、前記第２のプロセスデータに含まれる操作量のうちの前記現在時刻よりも前の操作量と前記１つ以上の補正後操作量の各々とで構成される１つ以上の操作量系列を前記モデルにそれぞれ入力することで１以上の評価項目値を算出し、前記１つ以上の操作量系列の中から、前記評価項目値が前記目標に達成する操作量系列を前記最適な操作量として選択する、運転支援装置。
前記離散情報は、離散値をそれぞれ取る１つ以上の属性値であり、
前記分類部は、
前記１つ以上の属性値が同一のデータ同士を同一のグループに分類することにより、前記第１のプロセスデータと前記複数の第２のプロセスデータとを複数のグループに分類する、請求項１に記載の運転支援装置。
前記類似探索部は、
前記第１のプロセスデータに含まれる前記連続情報の特徴量と、前記１以上の第２のプロセスデータにそれぞれ含まれる前記連続情報の特徴量との間の距離又は類似度を利用した近傍探索により、前記第１のプロセスデータに類似する第２のプロセスデータを探索する、請求項１又は２に記載の運転支援装置。
前記連続情報の特徴量は、前記連続情報の時系列に含まれる所定の時間断面における連続情報、又は、前記連続情報の時系列における所定の時間区間の特徴量若しくは統計量、である、請求項３に記載の運転支援装置。
前記連続情報は、前記第１のプロセスデータ及び前記第２のプロセスデータに含まれ、連続値をそれぞれ取る１つ以上のプロセス変数値である、請求項４に記載の運転支援装置。
前記第１のプロセスデータ及び前記第２のプロセスデータは、バッチプロセスのプロセスデータである、請求項５に記載の運転支援装置。
連続情報と離散情報とが含まれる第１のプロセスデータを入力する入力手順と、
前記連続情報と前記離散情報とが含まれる複数の第２のプロセスデータを記憶部に記憶させる記憶手順と、
前記離散情報に基づいて、前記第１のプロセスデータと前記複数の第２のプロセスデータとを複数のグループに分類する分類手順と、
前記連続情報に基づいて、前記第１のプロセスデータと同一のグループに分類された１以上の第２のプロセスデータの中から、前記第１のプロセスデータに類似する第２のプロセスデータを探索する類似探索手順と、
１つ以上の補正パターンに基づいて、前記第１のプロセスデータに類似する第２のプロセスデータに含まれる操作量のうち、現在時刻以降の操作量をそれぞれ補正した１つ以上の補正後操作量を作成する補正手順と、
前記１つ以上の補正後操作量に基づいて、所定の目標を達成するための最適な操作量を選択する選択手順と、
をコンピュータが実行し、
前記選択手順は、
操作量系列を入力として所定の評価項目値を出力するモデルを用いて、前記第２のプロセスデータに含まれる操作量のうちの前記現在時刻よりも前の操作量と前記１つ以上の補正後操作量の各々とで構成される１つ以上の操作量系列を前記モデルにそれぞれ入力することで１以上の評価項目値を算出し、前記１つ以上の操作量系列の中から、前記評価項目値が前記目標に達成する操作量系列を前記最適な操作量として選択する、運転支援方法。
連続情報と離散情報とが含まれる第１のプロセスデータを入力する入力手順と、
前記連続情報と前記離散情報とが含まれる複数の第２のプロセスデータを記憶部に記憶させる記憶手順と、
前記離散情報に基づいて、前記第１のプロセスデータと前記複数の第２のプロセスデータとを複数のグループに分類する分類手順と、
前記連続情報に基づいて、前記第１のプロセスデータと同一のグループに分類された１以上の第２のプロセスデータの中から、前記第１のプロセスデータに類似する第２のプロセスデータを探索する類似探索手順と、
１つ以上の補正パターンに基づいて、前記第１のプロセスデータに類似する第２のプロセスデータに含まれる操作量のうち、現在時刻以降の操作量をそれぞれ補正した１つ以上の補正後操作量を作成する補正手順と、
前記１つ以上の補正後操作量に基づいて、所定の目標を達成するための最適な操作量を選択する選択手順と、
をコンピュータに実行させ、
前記選択手順は、
操作量系列を入力として所定の評価項目値を出力するモデルを用いて、前記第２のプロセスデータに含まれる操作量のうちの前記現在時刻よりも前の操作量と前記１つ以上の補正後操作量の各々とで構成される１つ以上の操作量系列を前記モデルにそれぞれ入力することで１以上の評価項目値を算出し、前記１つ以上の操作量系列の中から、前記評価項目値が前記目標に達成する操作量系列を前記最適な操作量として選択する、プログラム。