JP7513519B2 - 教師データ更新装置、推定モデル構築装置および教師データ更新方法 - Google Patents
教師データ更新装置、推定モデル構築装置および教師データ更新方法 Download PDFInfo
- Publication number
- JP7513519B2 JP7513519B2 JP2020213987A JP2020213987A JP7513519B2 JP 7513519 B2 JP7513519 B2 JP 7513519B2 JP 2020213987 A JP2020213987 A JP 2020213987A JP 2020213987 A JP2020213987 A JP 2020213987A JP 7513519 B2 JP7513519 B2 JP 7513519B2
- Authority
- JP
- Japan
- Prior art keywords
- data
- teacher data
- estimated
- teacher
- estimation 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
Links
- 238000010276 construction Methods 0.000 title claims description 107
- 238000000034 method Methods 0.000 title claims description 75
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 266
- 238000002347 injection Methods 0.000 claims description 196
- 239000007924 injection Substances 0.000 claims description 196
- 239000003814 drug Substances 0.000 claims description 159
- 229940079593 drug Drugs 0.000 claims description 159
- 230000007717 exclusion Effects 0.000 claims description 50
- 238000000746 purification Methods 0.000 claims description 30
- 239000000701 coagulant Substances 0.000 claims description 18
- 230000005484 gravity Effects 0.000 claims description 16
- 238000012417 linear regression Methods 0.000 claims description 11
- 230000001419 dependent effect Effects 0.000 claims 3
- 238000012549 training Methods 0.000 description 22
- 230000007423 decrease Effects 0.000 description 16
- 238000010586 diagram Methods 0.000 description 14
- 239000000126 substance Substances 0.000 description 11
- 238000004364 calculation method Methods 0.000 description 9
- 238000013500 data storage Methods 0.000 description 7
- 230000007613 environmental effect Effects 0.000 description 7
- 230000005540 biological transmission Effects 0.000 description 4
- 238000012790 confirmation Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000003247 decreasing effect Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000006866 deterioration Effects 0.000 description 2
- 238000001647 drug administration Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000013213 extrapolation Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000010238 partial least squares regression Methods 0.000 description 2
- 238000007637 random forest analysis Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 241000032989 Ipomoea lacunosa Species 0.000 description 1
- FFBHFFJDDLITSX-UHFFFAOYSA-N benzyl N-[2-hydroxy-4-(3-oxomorpholin-4-yl)phenyl]carbamate Chemical compound OC1=C(NC(=O)OCC2=CC=CC=C2)C=CC(=C1)N1CCOCC1=O FFBHFFJDDLITSX-UHFFFAOYSA-N 0.000 description 1
- 230000015271 coagulation Effects 0.000 description 1
- 238000005345 coagulation Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000003311 flocculating effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000005374 membrane filtration Methods 0.000 description 1
- 230000001376 precipitating effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000004062 sedimentation Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Images
Landscapes
- Separation Of Suspended Particles By Flocculating Agents (AREA)
Description
図1は、本実施形態に係る薬注率推定システム100の要部構成の一例を示すブロック図である。薬注率推定システム100は、浄水施設へ流入する流入原水(以下、「流入水」と称する)へ注入する凝集剤の注入率である薬注率を、流入水の水質を含むデータ(以下、「水質データ」と称する)に応じて推定モデルを用いて推定するとともに、推定された薬注率の凝集剤を自動的に流入水へ注入する自動運転を行うシステムである。ここで、凝集剤とは、流入水に含まれる浮遊物質を凝集させ沈澱させるための薬品である。また、薬注率は、流入水に注入する凝集剤の、流入水に対する割合である。なお、本開示に係る凝集剤の注入は、凝集沈澱急速ろ過方式における凝集剤の注入であってもよいし、膜ろ過方式の前処理としての凝集剤の注入であってもよい。
(パターン1)薬注率推定システム100による自動運転の開始前は、浄水施設の作業員等(以下、単に「作業員等」と称する)が、ジャーテストの結果、過去の知見、所定の計算式などに基づいて決定した薬注率で凝集剤を注入する。
(パターン2)薬注率推定システム100による自動運転の開始後は、原則として、薬注率推定システム100により推定された薬注率で凝集剤を自動注入する。
(パターン3)薬注率推定システム100による自動運転の開始後の例外として、薬注率推定システム100による推定の信頼度の低下が予想される事態が生じた場合は、自動注入を一時停止して作業員等が介入し、作業員等が決定した薬注率で凝集剤を注入する。当該事態の典型例としては、時間経過に伴う気象変動および環境変動等に起因して流入水の水質データが過去に例を見ない値に至る事態が挙げられる。
端末装置5は、作業員等や外部の装置からの入力を受け付け、当該入力に基づく入力信号を推定装置6へ出力する。また、端末装置5は、推定装置6が生成した情報を出力する。端末装置5による情報の出力方法は特に限定されない。端末装置5は、例えば、当該情報を画像として表示してもよいし、当該情報を音声として出力してもよい。
推定モデル構築装置3は、流入水に対して注入される凝集剤の薬注率を推定するための推定モデルを構築する。具体的には、推定モデル構築装置3は、過去に浄水施設に流入した流入水の水質データと、当該流入水に対して実際に注入された凝集剤の薬注率とを含む教師データの集合を取得し、当該水質データを説明変数とし、当該薬注率を目的変数とした推定モデルを構築する。推定モデル構築装置3は、第1モデル構築部31(モデル構築部)および第2モデル構築部32(モデル構築部)を含んでいる。
推定モデル記憶装置4は、推定モデル構築装置3が構築したクラスタ群41および例外推定モデル42を記憶する。
推定装置6は、推定モデル構築装置3が構築した推定モデルを用いて、浄水施設に現在流入している水(以下、「現流入水」と称する)に対して注入される凝集剤の薬注率を推定する。推定装置6は、介入判定部61、クラスタ特定部62、薬注率推定部63および出力制御部64を含んでいる。
薬品注入装置7は、推定装置6から受信した薬注率に基づく注入量で、現流入水へ凝集剤を注入する。
教師データ更新装置1は、推定モデル構築装置3が推定モデルの構築に用いる教師データを更新する。具体的には、教師データ更新装置1は、教師データ記憶装置2に記憶されている教師データ群20(教師データの集合)を更新する。教師データ更新装置1は、データ追加部11およびデータ除外部12を含んでいる。
教師データ記憶装置2は、上述したとおり、教師データ群20を記憶する。
図3は、教師データの概要を示す図である。具体的には、図3は、教師データにおける水質データと薬注率との関係を示すグラフである。なお、当該水質データは、図2に示す複数のパラメータのいずれかであり、例えば濁度である。
図4は、教師データの更新の概要を示す図である。具体的には、図4は、教師データ群20に含まれる教師データの数を示すグラフである。
図5は、推定データの除外処理について説明する図である。具体的には、図5は、教師データにおける水質データと薬注率との関係を示すグラフである。なお、当該水質データは、図2に示す複数のパラメータのいずれかであり、例えば濁度である。なお、図5に示すグラフでは、初期範囲311外に推定データが存在するが、その理由については後述する。
図6は、初期データの除外処理について説明する図である。図6に示す教師データ群20Aは、初期データの除外処理を実行する直前における、教師データ群20を示す。また、図6に示すグラフ600は、教師データ群20に含まれる初期データについて、水質データと薬注率との関係を示す。教師データ群20Aにおける初期データ201および202は、それぞれ、グラフ600における初期データ601および602に対応する。
図7は、教師データ更新装置1が実行する教師データ更新処理の流れの一例を示すフローチャートである。なお、図7に示す例では、教師データ群20にはすでに初期データが格納されているものとする。
図8は、推定モデル構築装置3が実行する推定モデル構築処理の流れの一例を示すフローチャートである。図8の例では、クラスタ群41に含まれる複数の推定モデル(図1の第1推定モデル421、第2推定モデル422および第3推定モデル423)を構築する推定モデル構築処理を説明する。
図9は、推定モデル構築装置3が実行する推定モデル構築処理の流れの別の一例を示すフローチャートである。図9の例では、例外推定モデル42を構築する推定モデル構築処理を説明する。
図10は、推定装置6が実行する薬注率推定処理の流れの一例を示すフローチャートである。
以上のとおり、本実施形態に係る教師データ更新装置1は、初期データを含む教師データ群20に、推定データおよび介入データの少なくとも一方を教師データとして追加するデータ追加部11を備える。また、教師データ更新装置1は、初期データの、教師データ群20に含まれる全ての教師データに占める割合が所定値以上になるように、推定データの少なくとも一部を除外するデータ除外部12を備える。
上述の実施形態で述べたとおり、例外推定モデル42は、教師データ群20に含まれる教師データのうち、初期範囲311外の推定データと介入データとから構築される。このため、例外推定モデル42は、初期範囲311外の推定データと介入データの数が少ない段階では、推定精度が低い推定モデルとなる。一方、当該段階から自動運転を継続すると、初期範囲311外の推定データおよび介入データの数が増加し、例外推定モデル42の推定精度が向上する。推定精度が向上した例外推定モデル42を用いて推定した薬注率は、現流入水の水質データが初期範囲311外であっても、当該水質データが、初期範囲311外の推定データおよび介入データの水質データに類似していれば、作業員等に適切と判断される可能性が高くなる。換言すれば、当該薬注率は、作業員等の確認が不要である可能性が高い。
教師データ更新装置1、推定モデル構築装置3および推定装置6の制御ブロック(特にデータ追加部11、データ除外部12、第1モデル構築部31、第2モデル構築部32、介入判定部61、クラスタ特定部62、薬注率推定部63および出力制御部64)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。
3 推定モデル構築装置
11 データ追加部
12 データ除外部
20 教師データ群(教師データの集合)
31 第1モデル構築部(モデル構築部)
32 第2モデル構築部(モデル構築部)
42 例外推定モデル(推定モデル、第2推定モデル)
421 第1推定モデル(推定モデル)
422 第2推定モデル(推定モデル)
423 第3推定モデル(推定モデル)
Claims (12)
- 説明変数から目的変数を推定する推定モデルを構築するための教師データの集合を更新する教師データ更新装置であって、
前記説明変数は、浄水施設に流入する流入水の水質を含むデータであり、
前記目的変数は、前記流入水へ注入する凝集剤の注入率であり、
初期の前記集合に含まれる前記教師データは、実際に前記流入水へ注入された前記凝集剤の前記注入率である実績値を前記目的変数とする第1実績データであり、
(1)前記推定モデルが推定した前記注入率の推定値を前記目的変数とする推定データ、並びに、(2)前記実績値を前記目的変数とする、前記第1実績データおよび前記推定データのいずれとも異なる第2実績データ、の少なくとも一方を前記教師データとして前記集合に追加するデータ追加部と、
所定条件が満たされるように、前記集合から前記推定データの少なくとも一部を除外するデータ除外部と、を備える、教師データ更新装置。 - 前記所定条件は、前記第1実績データの、前記集合に含まれる全ての前記教師データに占める割合が所定値以上となることである、請求項1に記載の教師データ更新装置。
- 前記データ除外部は、前記データ追加部による追加が行われてから前記推定モデルの再構築が開始されるまでの間に、前記所定条件が満たされるか否かを判定する、請求項1または2に記載の教師データ更新装置。
- 前記データ除外部は、前記集合に含まれる全ての前記第1実績データとの類似度が相対的に高い前記推定データほど優先して除外対象とする、請求項1から3のいずれか1項に記載の教師データ更新装置。
- 前記類似度は、前記推定データと、前記集合に含まれる全ての前記第1実績データの重心との距離に応じて定められる、請求項4に記載の教師データ更新装置。
- 前記データ除外部は、前記集合が前記推定データを含まない状態に至ったとき、前記集合から除外する対象を前記第1実績データに切り替える、請求項1から5のいずれか1項に記載の教師データ更新装置。
- 前記第2実績データが得られたときの前記流入水は、前記第1実績データが得られたときの前記流入水より後に前記浄水施設に流入したものであり、
前記第2実績データの前記説明変数である前記水質を含むデータは、前記第1実績データの前記説明変数である前記水質を含むデータが取り得る数値範囲に含まれない値である、請求項1から6のいずれか1項に記載の教師データ更新装置。 - 請求項1から7のいずれか1項に記載の教師データ更新装置と、前記教師データ更新装置が更新した前記集合に含まれる前記教師データを用いて前記推定モデルを構築するモデル構築部を備える推定モデル構築装置と、を備える凝集剤の注入率を推定する薬注率推定システム。
- 前記推定モデルは、第1推定モデル、および、前記第1推定モデルと異なる第2推定モデルを含み、
請求項7に記載の教師データ更新装置が更新した前記集合に含まれる全ての前記第1実績データと、前記水質を含むデータが前記数値範囲に含まれる前記推定データとをクラスタリングして複数のクラスタを生成し、当該生成された複数のクラスタ毎に前記第1推定モデルを構築する第1モデル構築部と、
前記教師データ更新装置が更新した前記集合に含まれる全ての前記第2実績データと、前記水質を含むデータが前記数値範囲に含まれない前記推定データとを用いて、前記第2推定モデルを構築する第2モデル構築部と、を備える、推定モデル構築装置。 - 前記第1モデル構築部は、前記第1推定モデルとして非線形回帰モデルを構築し、
前記第2モデル構築部は、前記第2推定モデルとして線形回帰モデルを構築する、請求項9に記載の推定モデル構築装置。 - 説明変数から目的変数を推定する推定モデルを構築するための教師データの集合を更新する教師データ更新装置が実行する教師データ更新方法であって、
前記説明変数は、浄水施設に流入する流入水の水質を含むデータであり、
前記目的変数は、前記流入水へ注入する凝集剤の注入率であり、
初期の前記集合に含まれる前記教師データは、実際に前記流入水へ注入された前記凝集剤の前記注入率である実績値を前記目的変数とする第1実績データであり、
(1)前記推定モデルが推定した前記注入率の推定値を前記目的変数とする推定データ、並びに、(2)前記実績値を前記目的変数とする、前記第1実績データおよび前記推定データのいずれとも異なる第2実績データ、の少なくとも一方を前記教師データとして前記集合に追加するデータ追加ステップと、
所定条件が満たされるように、前記集合から前記推定データの少なくとも一部を除外するデータ除外ステップと、を含む、教師データ更新方法。 - 説明変数から目的変数を推定する推定モデルを構築するための教師データの集合を更新する教師データ更新装置が実行する教師データ更新工程であって、
前記説明変数は、浄水施設に流入する流入水の水質を含むデータであり、
前記目的変数は、前記流入水へ注入する凝集剤の注入率であり、
初期の前記集合に含まれる前記教師データは、実際に前記流入水へ注入された前記凝集剤の前記注入率である実績値を前記目的変数とする第1実績データであり、
(1)前記推定モデルが推定した前記注入率の推定値を前記目的変数とする推定データ、並びに、(2)前記実績値を前記目的変数とする、前記第1実績データおよび前記推定データのいずれとも異なる第2実績データ、の少なくとも一方を前記教師データとして前記集合に追加するデータ追加工程と、
所定条件が満たされるように、前記集合から前記推定データの少なくとも一部を除外するデータ除外工程と、
を含む、教師データ更新工程と、
前記教師データ更新装置が更新した前記集合に含まれる前記教師データを用いて推定モデル構築装置が前記推定モデルを構築するモデル構築工程と、
を含む、凝集剤の注入率を推定する薬注率推定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020213987A JP7513519B2 (ja) | 2020-12-23 | 2020-12-23 | 教師データ更新装置、推定モデル構築装置および教師データ更新方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020213987A JP7513519B2 (ja) | 2020-12-23 | 2020-12-23 | 教師データ更新装置、推定モデル構築装置および教師データ更新方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2022099913A JP2022099913A (ja) | 2022-07-05 |
JP7513519B2 true JP7513519B2 (ja) | 2024-07-09 |
Family
ID=82269650
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020213987A Active JP7513519B2 (ja) | 2020-12-23 | 2020-12-23 | 教師データ更新装置、推定モデル構築装置および教師データ更新方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7513519B2 (ja) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120284213A1 (en) | 2011-05-04 | 2012-11-08 | Google Inc. | Predictive Analytical Modeling Data Selection |
JP2013025367A (ja) | 2011-07-15 | 2013-02-04 | Wakayama Univ | 設備状態監視方法およびその装置 |
JP2019028824A (ja) | 2017-08-01 | 2019-02-21 | 株式会社日立製作所 | プラント制御装置およびその制御方法、圧延機制御装置およびその制御方法並びにプログラム |
JP2019087012A (ja) | 2017-11-07 | 2019-06-06 | キヤノン株式会社 | 情報処理装置、情報処理方法、コンピュータプログラム、及び記憶媒体 |
JP2020086778A (ja) | 2018-11-21 | 2020-06-04 | 株式会社東芝 | 機械学習モデル構築装置および機械学習モデル構築方法 |
JP2020154825A (ja) | 2019-03-20 | 2020-09-24 | 株式会社 日立産業制御ソリューションズ | クラスタ分割評価装置、クラスタ分割評価方法及びクラスタ分割評価プログラム |
-
2020
- 2020-12-23 JP JP2020213987A patent/JP7513519B2/ja active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120284213A1 (en) | 2011-05-04 | 2012-11-08 | Google Inc. | Predictive Analytical Modeling Data Selection |
JP2013025367A (ja) | 2011-07-15 | 2013-02-04 | Wakayama Univ | 設備状態監視方法およびその装置 |
JP2019028824A (ja) | 2017-08-01 | 2019-02-21 | 株式会社日立製作所 | プラント制御装置およびその制御方法、圧延機制御装置およびその制御方法並びにプログラム |
JP2019087012A (ja) | 2017-11-07 | 2019-06-06 | キヤノン株式会社 | 情報処理装置、情報処理方法、コンピュータプログラム、及び記憶媒体 |
JP2020086778A (ja) | 2018-11-21 | 2020-06-04 | 株式会社東芝 | 機械学習モデル構築装置および機械学習モデル構築方法 |
JP2020154825A (ja) | 2019-03-20 | 2020-09-24 | 株式会社 日立産業制御ソリューションズ | クラスタ分割評価装置、クラスタ分割評価方法及びクラスタ分割評価プログラム |
Non-Patent Citations (1)
Title |
---|
圓佛 伊智朗 外3名,「ニューラルネットを用いたプラント運転ルールの抽出に関する研究」,電気学会論文誌D,社団法人電気学会,1991年01月20日,第111巻, 第1号,pp.20-28 |
Also Published As
Publication number | Publication date |
---|---|
JP2022099913A (ja) | 2022-07-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107066365B (zh) | 一种系统异常的监测方法及装置 | |
US10228672B2 (en) | Reducing nuisance notifications from a building automation system | |
CN104808604B (zh) | 控制器、管理器、工厂控制系统和数据处理方法 | |
CN110874674A (zh) | 一种异常检测方法、装置及设备 | |
US11509550B2 (en) | Cooperative learning system and monitoring system | |
CN113873074B (zh) | 一种控制方法、电子设备及计算机存储介质 | |
CN108269189A (zh) | 指标数据监控方法、装置、存储介质和计算机设备 | |
JP2007061800A (ja) | 水処理プラントに適用する凝集剤注入制御装置 | |
JP7513519B2 (ja) | 教師データ更新装置、推定モデル構築装置および教師データ更新方法 | |
CN115145327A (zh) | 一种溶出温度控制方法、装置、设备及存储介质 | |
CA3179569A1 (en) | Learning model generating device, inferring device, and aeration amount control device | |
KR101960755B1 (ko) | 미취득 전력 데이터 생성 방법 및 장치 | |
JP2021098191A (ja) | モデル生成装置、推定装置、モデル生成方法および推定方法 | |
CN112168188A (zh) | 一种用于压力检测数据的处理方法和装置 | |
CN113112812B (zh) | 一种交通信号自适应优化预判方法、装置、设备及介质 | |
CN115774646A (zh) | 一种进程预警方法、装置、电子设备和存储介质 | |
JP2002119956A (ja) | 濁度予測システム、濁度制御システムおよび濁度管理システム | |
JP2019104000A (ja) | Mbrプラントの管理装置、mbrプラントの洗浄薬液発注システム及びmbrプラントの薬液発注方法 | |
JP2020134284A (ja) | 情報処理装置、情報処理方法、及びプログラム | |
CN114239854A (zh) | 预测方法、装置和存储介质 | |
CN112925474B (zh) | 一种终端设备的控制方法、存储介质及终端设备 | |
JP2022088205A (ja) | 情報処理装置、予測方法、水処理システム、および予測プログラム | |
CN112424126B (zh) | 水处理设备及水处理设备的运转方法 | |
CN114774682B (zh) | 球团造球设备、球团造球控制方法及装置 | |
Nechyporuk | Adjustment of the generalized logical model of compound systems diagnosting according to the situation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230622 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20240410 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20240416 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240514 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20240528 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240612 |
|
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: 20240618 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240627 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7513519 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |