JPH05225152A - プロセスコントローラ - Google Patents

Abstract

(57)【要約】 【目的】 プロセス制御とプロセス監視のプロセッサ間
でデータの高速授受が可能であり、メモリ容量の小さな
プロセッサで既存のプロセス制御方式とＡＩ応用プロセ
ス制御方式とを協調的に併存させたプロセスコントロー
ラを提供する。 【構成】 コントローラ１は、既存のプロセス制御方式
用プロセッサ１０と、ＡＩ応用プロセス制御方式用プロ
セッサ２０と、これらの間でデータを高速転送するため
の両者に共通なメモリ３０と、どのプロセッサの出力を
プロセス制御に用いるかを選択するボーティング装置１
５とからなり、必要に応じて、プロセッサ２０のどれか
をＡＩの学習機能に割当てる。 【効果】 高速だが高価な計算機やワークステーション
を使わずに、ＡＩ機能付きの安価，高信頼，高速なプロ
セスコントローラが得られる。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、プロセスコントローラ
に係り、特に、化学，電力，原子力，火力，上下水道等
のＰＡ(Process Automation)の分野および機械加工等の
ＦＡ(FactoryAutomation)分野において用いられるプロ
グラマブルコントローラおよびそれを用いた制御システ
ムに関する。

【０００２】

【従来の技術】図１０および１１を参照して、従来の技
術を説明する。図１０は、従来のプロセスコントローラ
の構成の一例を示す図である。計算機１００とワークス
テーション１０１と運転監視用マンマシン装置７と従来
技術によるコントローラ１１０とが、ＬＡＮ２により接
続されている。プロセスコントローラが故障すると、プ
ラントが停止するので、危険分散の考えから、故障時に
プラントが受ける影響を最小限に押さえるため、通常、
コントローラ１１０は、かなり多い複数台に分散した構
成となっている。

【０００３】図１１は、従来技術によるコントローラ１
１０の構成の一例を示す図である。コントローラ１１０
は、ＬＡＮ２に接続された通信手段５と、ＰＩ／Ｏ３に
接続されたＰＩ／Ｏ入出力装置６と、演算処理プロセッ
サ１０とからなる。プロセッサ１０は、ＣＰＵ１１と、
メモリ１２に代表される記憶装置を含んでいる。

【０００４】プロセッサ１０は、アセンブラ，ＦＯＲＴ
ＲＡＮ，Ｃ等の汎用言語で作られたプログラムにより、
プロセスを制御している。すなわち、従来のプログラミ
ング方式によるプロセスの異常監視，診断、プロセス制
御は、コントローラ１１０で処理され、処理されたプロ
セスデータおよび制御データは、ＬＡＮ２を介して、計
算機１００，ワークステーション１０１に伝送されてい
る。一方、ＡＩ（Artificial Intellegence：人工知能)
によるプロセスの異常監視，診断，プロセス制御は、計
算機１００またはワークステーション１０１で行なわれ
ている。計算機１００，ワークステーション１０１で
は、伝送されたデ−タを使い、ＡＩ応用によるプロセス
制御またはプロセス故障診断を実行している。その結果
の制御出力は、ＬＡＮ２を介して、コントローラ１１０
に伝えられ、ＰＩ／Ｏ３を経由してプロセスに出力され
る。故障診断結果については、故障内容が、マンマシン
装置７に伝えられ、オペレ−タに警報として知らされ
る。

【０００５】この他、コントローラ１１０のプロセッサ
１０で、従来プログラミング方式によるソフトウエアと
ＡＩ応用によるソフトウエアとを共存させ、プロセスの
制御，故障診断，監視を行なわせることも試みられてい
る。

【０００６】

【発明が解決しようとする課題】プロセスを制御するコ
ンポーネントであるコントローラ１１０には、プロセス
を安全かつ確実に制御するため、「高信頼性」が要求さ
れる。また、安定した制御性を確保するには、「高速処
理能力」が要求される。一方では、数理モデル等による
数理処理に加え、解析が困難で特性が不明であり過去の
経験やノウハウで運転されているようなプロセスに有効
な技術であるＡＩと結合した「高級かつ高度」な制御も
要求されている。

【０００７】このうち「高信頼性」に関しては、 （ａ）システムは、コントローラが故障した場合のプラ
ントに与える影響を少なくするいわゆる危険分散の観点
から、複数のコントローラでプロセスを制御する分散制
御システムであること （ｂ）プロセス監視は、安全な制御を行なうために重要
な機能であり、制御が正しくなされているか否かを監視
するので、プロセス制御とプロセス監視とが密に結合し
ていること （ｃ）ハードウエアは、信頼性を高める手段として、部
品点数を減らしたシンプルな構成にする方策が採られ、
結果として、コントローラは、ディスク等の外部メモリ
がなく、しかもメモリ１２の容量が小さく、コンパクト
な構成であること （ｄ）ソフトウエアは、実績があり、バグが無くいわゆ
る枯れた信頼性の高いものであること 等が求められている。

【０００８】また、「高速処理能力」に関しては、 （ｅ）プロセスからの入力処理から制御出力処理までの
応答時間を短くすること （ｆ）その入力処理〜制御出力処理を定周期で実行する
ときは、その周期を短くすること （ｇ）プロセスの制御もその周期に合わせて行なうこと 等が求められている。

【０００９】これらの要求に対して、上記図１０および
図１１の従来システムでは、次のような課題が残されて
いた。 （１）図１０のシステムでは、コントローラ１１０と、
ＡＩ応用のプロセス異常監視／診断／プロセス制御を実
行する計算機１００またはワークステーション１０１と
は、分離されており、ＬＡＮ２を介して接続されてい
る。その結果、両者の間のデータの授受には、通信手段
を利用する必要があり、通信とＡＩ処理に数秒から数分
の時間を要し、緊急時の異常発生に対して手遅れになっ
てしまう。

【００１０】（２）プロセス制御では、危険分散の観点
から、コントローラ１１０は、複数台を分散させた分散
制御が採用されている。ところが、図１０では、プラン
トの故障診断，異常監視が、計算機１００とワークステ
ーション１０１とに集中されている。制御と同様に、こ
れらの機能も分散し、しかも制御と一体にすべきであ
る。

【００１１】（３）（１）の課題および上記（ｂ）の現
状を併せて考えると、ディスクつきの計算機１００とワ
ークステーション１０１とでなされているＡＩ機能をメ
モリ容量の小さいコントローラ１１０に単純に搭載する
ことはできない。

【００１２】（４）ＡＩ機能は、近年急速に発達したも
のであり、特にソフトウエアによるニューロは、ここ数
年の間に急速に発達した。これらＡＩの制御への適用の
際には、確実性に不安があり、全面的な採用には至って
いない。例えば、ニューロでは、全てのケースのチュー
ニングに膨大な時間を要し、また、全てのケースのチュ
ーニングができずに漏れが生ずる不安が残る。したがっ
て、現状では、ＡＩの新技術で制御するよりも、実績の
ある従来技術での数理論理による制御を実行する方が中
心である。しかし、一方では、数理論理での実行が困難
で特性が不明確であり過去のノウハウ等で運転している
プラントのプロセスには、ＡＩを適用したいというニー
ズが現実にある。

【００１３】（５）上記（ｂ）および（２）から、制御
のソフトウエアとプロセス監視のソフトウエアとをコン
トローラ１１０で一体化して処理させることが考えられ
るが、これを実行すると、コントローラ１１０のプロセ
ッサ１０の負荷が増大し、高速処理を要求されるコント
ローラ１１０にとっては、好ましいことではなく、ひい
ては、プラントのプロセスの制御に悪影響を及ぼすこと
になる。

【００１４】本発明の目的は、分散制御ながらプロセス
制御プロセッサと監視用プロセッサとの間でデータの高
速授受が可能であり、メモリ容量の小さなプロセッサで
既存のプロセス制御方式とＡＩ応用制御方式とを協調的
に併存させたプロセスコントローラを提供することであ
る。

【００１５】

【課題を解決するための手段】上記目的は、ＡＩ応用の
ソフトウェアによる監視／診断と従来技術によるプロセ
ス制御とをマルチプロセッサタイプの同一コントローラ
内で実行させ、相互間のデータ授受を通信ではなく、メ
モリを介して高速に行なわせることにより達成される。

【００１６】すなわち、本発明は、上記目的を達成する
ために、各々が演算処理装置ＣＰＵとプライベートメモ
リとを含む複数のプロセッサと、各プロセッサが読出し
／書込みが可能な共有メモリと、他の計算機またはワー
クステーションまたはコントローラと通信する通信手段
と、制御すべきプロセスと制御信号およびプロセス信号
を授受するＰＩ／Ｏ入出力装置とを有するプロセスコン
トローラにおいて、少なくとも１つのＣＰＵが、アセン
ブラ，ＦＯＲＴＲＡＮ，Ｃ等の汎用言語で作られたプロ
グラムによりプロセスを制御するＣＰＵであり、残りの
ＣＰＵが、知識処理(ＩＦ〜ＴＨＥＮ〜ルール)，ファジ
ィ，ニューロ等のＡＩによりプロセスの異常監視，異常
診断，制御等を行なうＣＰＵであるプロセスコントロー
ラを提案するものである。

【００１７】本発明は、また、上記目的を達成するため
に、少なくとも１つのＣＰＵが、アセンブラ，ＦＯＲＴ
ＲＡＮ，Ｃ等の汎用言語で作られたプログラムによりプ
ロセスの異常監視，異常診断，制御等を行なうＣＰＵで
あり、残りのＣＰＵが、知識処理，ファジィ，ニューロ
等のＡＩにより前記と同一のプロセスの異常監視，異常
診断，制御等を行なうＣＰＵであり、前記プロセッサの
判断結果のいずれかを選択し前記通信手段またはＰＩ／
Ｏ入出力装置に接続するボーティング手段を設けたプロ
セスコントローラを提案するものである。

【００１８】本発明は、さらに、上記目的を達成するた
めに、少なくとも１つのＣＰＵが、アセンブラ，ＦＯＲ
ＴＲＡＮ，Ｃ等の汎用言語で作られたプログラムにより
プロセスを制御するＣＰＵであり、残りの少なくとも１
つのＣＰＵが、知識処理，ファジィ，ニューロ等のＡＩ
によりプロセスの異常監視，異常診断，制御等を行なう
ＣＰＵであり、残りの少なくとも１つのＣＰＵが、前記
ＡＩ制御ＣＰＵによるプロセス制御の実行結果を教師信
号として学習し、学習結果の重み係数を前記ＡＩ制御Ｃ
ＰＵに与える学習ＣＰＵであるプロセスコントローラを
提案するものである。

【００１９】本発明は、上記目的を達成するために、少
なくとも１つのＣＰＵが、アセンブラ，ＦＯＲＴＲＡ
Ｎ，Ｃ等の汎用言語で作られたプログラムによりプロセ
スを制御するＣＰＵであり、残りの少なくとも１つのＣ
ＰＵが、知識処理，ファジィ，ニューロ等のＡＩにより
プロセスの異常監視，異常診断，制御等を行なうＣＰＵ
であり、残りの少なくとも１つのＣＰＵが、前記ＡＩ制
御ＣＰＵによるプロセス制御の実行結果を教師信号とし
て学習し、学習結果の重み係数を前記ＡＩ制御ＣＰＵに
与える学習ＣＰＵであり、前記プロセッサの判断結果の
いずれかを選択し前記通信手段またはＰＩ／Ｏ入出力装
置に接続するボーティング手段を設けたプロセスコント
ローラを提案するものである。

【００２０】前記ボーティング手段は、オペレータが操
作する切替えスイッチとすることができ、オペレータが
操作する切替えスイッチと前記判断結果の論理演算によ
りいずれかの判断結果を自動的に選択する選択回路とを
併設することも可能である。

【００２１】

【作用】

（イ）本発明においては、コントローラを複数のプロセ
ッサで構成し、各プロセッサの間を共有メモリまたはバ
スで接続したマルチタイププロセッサタイプのコントロ
ーラとする。そのうち、少なくとも１つのプロセッサで
は、従来技術による監視／制御を実行し、他のプロセッ
サでは、ＡＩを応用した技術による監視／制御を実行す
る。この方式によれば、（１）の課題については、共有
メモリまたはバスによるデータの高速授受が可能とな
る。（２）（４）の課題については、一つのコントロー
ラ内に監視と制御を共存させ、しかも従来技術による監
視／制御とＡＩによる監視／制御とを実質的に共存させ
ることもできる。（３）の課題については、コントロー
ラからソフトウエアの全体容量の７０〜８０％にも及ぶ
マンマシン機能（ＣＲＴなどによる状態表示等）を外し
て、マンマシン装置７に移管し、コントローラには負担
させないことにする。また、コントローラが分散されて
処理対象範囲が狭くなるため、メモリ容量が自然に少な
くて済み、全体として小さなメモリ容量でも上記の処理
が可能となる。（５）の課題については、ＡＩ応用技術
による監視／制御を専用のプロセッサに割当て、他のプ
ロセッサの負荷の増大を防ぐ。

【００２２】（ロ）（イ）のマルチタイププロセッサタ
イプのコントローラをベースに、従来技術による制御の
プロセッサの出力とＡＩ応用技術による制御のプロセッ
サの出力とのどちらかを選択するボーティング装置を設
ける。これにより（４）の課題のＡＩを使う制御に対す
る不安とＡＩを使う高度な制御へのニーズとに、その時
のプラントの状態に応じて的確に対処できる。

【００２３】（ハ）マルチプロセッサにすることで、１
つのプロセッサにニューロの学習機能も搭載でき、
（４）の課題であるチューニングの煩わしさやチューニ
ング不足による制御への適用の不安から解放される。

【００２４】

【実施例】図１は、本発明によるプロセスコントローラ
の一実施例の構成を示すブロック図である。本発明によ
るコントローラ１は、通信回路ＬＡＮ２により、他のコ
ントローラ，計算機，またはワークステーションと接続
されている。また、ＰＩ／Ｏ３により、制御対象のプロ
セスと接続されている。コントローラ１は、ＬＡＮ２と
情報を授受する通信手段５と、ＰＩ／Ｏ３と情報を授受
するＰＩ／Ｏ入出力装置６と、従来技術によりプロセス
を制御するプロセッサ１０と、ＡＩ応用によりプロセス
を制御するプロセッサ２０と、プロセッサ１０の監視／
制御結果とプロセッサ２０からの監視／診断結果のどち
らを採用するかを選択するボーテイング装置１５とを備
えている。プロセッサ１０および２０は、ＣＰＵ１１と
各ＣＰＵに接続されプログラムやデータを記憶するプラ
イベートメモリＰＭ１２とを含んでいる。通信手段５
は、ＬＡＮ２とＣＰＵ１１との間の通信を制御する。Ｐ
Ｉ／Ｏ入出力装置６は、プロセスの入出力信号をコント
ローラ１内でデジタル値として扱えるように変換する。
共有メモリＣＭ３０は、どのＣＰＵからも読み書きでき
る。

【００２５】プロセッサ１０は、従来から用いられてい
るアセンブラ，ＦＯＲＴＲＡＮ，Ｃ等の汎用言語で作ら
れたプログラムによりプロセスの制御／異常監視を実行
している。プロセッサ２０は、ＩＦ〜ＴＨＥＮ〜ルー
ル，ファジィ，ニューロ等の人工知能ソフトウェァによ
り同じくプロセスの異常監視／診断／プロセス制御等を
行なっている。ボーテイング装置１５は、同一対象のプ
ロセスの異常監視／診断／プロセス制御をプロセッサ１
０およびプロセッサ２０に実行させた時、どちらの結果
を採用するかを決める。ボーテイング装置１５の機能
は、ハードウエアまたはソフトウエアにより実現され、
スイッチ１６のように、どちらかの信号を選択する。選
択スイッチ１６の切替えは、オペレータの意思による手
動切替えでも、ＡＩ応用による自動的に切替えでもよ
い。

【００２６】プロセスの入力データは、３およびＰＩ／
Ｏ入出力装置６を経由し、プロセッサ１０に取り込ま
れ、プロセッサ１０およびプロセッサ２０から読み書き
ができる共有メモリＣＭ３０に記憶される。プロセッサ
１０の制御プログラムは、このプロセスデータに基づい
て制御演算を行なう。制御信号は、プロセスの入力デー
タとは逆に、ＰＩ／Ｏ入出力装置６からＰＩ／Ｏ３に渡
され、プロセスに出力される。また、出力のデータおよ
び制御に必要な情報も、共有メモリＣＭ３０に記憶され
る。プロセッサ２０は、共有メモリＣＭ３０に記憶され
たプロセスの入出力データおよび制御情報を用いて、Ａ
Ｉを応用してプロセスを監視／診断し、異常が見つかれ
ば、共有メモリＣＭ３０を経由し、プロセッサ１０に知
らせる。プロセッサ１０側では、プロセッサ１０自身も
異常を監視している。

【００２７】そこで、本実施例においては、プロセッサ
１０の監視／制御結果とプロセッサ２０からの監視／診
断結果のどちらを採用するかを選択するボーテイング装
置１５を設けてある。ボーテイング装置１５がより適切
と判断して選択した異常情報は、通信装置５およびＬＡ
Ｎ２を経由して、マンマシン装置７に出力される。マン
マシン装置７は、その異常を表示し、オペレータに知ら
せる。同様に、プロセッサ２０は、共有メモリＣＭ３０
データを使い、ＡＩ応用によるプロセスの制御演算を実
行する。その結果の制御出力は、共有メモリＣＭ３０を
経由し、プロセッサ１０に取り込み可能となる。プロセ
ッサ１０側では、プロセッサ１０自身も、従来技術によ
る制御を実行している。ボーテイング装置１５は、プロ
セッサ１０からの制御出力とプロセッサ２０からの制御
出力のどちらを採用するかを判断し、選択し制御出力
を、ＰＩ／Ｏ入出力装置６とＰＩ／Ｏ３を経由して、プ
ロセスに出力する。

【００２８】図２，図３，図４は、本発明によるコント
ローラ１の構成をより詳細に示すブロック図である。図
２のコントローラ１は、２つのプロセッサ１０と２０と
を含んでいる。プロセッサ１０と２０との間は、共有メ
モリＣＭ３０の内容を複写するメモリコピー機能２１０
により接続されており、相互の共有メモリＣＭ３０内容
が、メモリコピー機能２１０により常時コピーされ、内
容が一致している。

【００２９】共有メモリＣＭ３０が２つに分かれている
ことおよびメモリコピー機能２１０が有ること以外は、
図１の実施例と同じ構成であり、同様に動作する。

【００３０】図３のコントローラ１が、図２のコントロ
ーラと異なる点は、 （１）プロセッサ１０，２０が合計３台以上あること （２）共有メモリＣＭ３０がメモリバス２２０により各
ＣＰＵ１１と接続されていること であり、他の構成は、同じである。２２０はメモリバス
である。プロセッサ１０と２０とは、メモリバスを経由
して、共有メモリＣＭ３０に有る情報を読み書きでき
る。

【００３１】図４は、図２，図３の実施例のコントロー
ラの実装状態を示す斜視図と、コントローラ１５０の外
枠を外した状態を示す図に示す。を示す斜視図である。
電源１０５は、本発明のコントローラ１５０とＰＩ／Ｏ
３とに電力を供給する。コントローラ１５０は、既存の
プロセス制御方式のプラグインボード２００とＡＩ応用
によるプロセス制御方式のプラグインボード２０５とに
分かれており、コネクタ２０２に挿入されている。コネ
クタ２０２は、バックボード２０１に固定されている。
２つのコネクタ２０２の間は、プリント配線またはケー
ブル等で結合され、これらは共有メモリコピー機能２１
０間を結ぶ線となる。

【００３２】図５は、プロセッサ１０および２０からの
出力のいずれかを選択するボーテイング装置１５の機能
を説明する図である。ボーテイング装置１５の機能は、
ハードまたはソフトにより実現されるが、ここではソフ
トウエア方式を説明する。本実施例では、プロセッサ２
０は２台有るが、図示を省略し、プロセッサ１０の全体
構成を示す。プロセスからの信号は、ＰＩ／Ｏ３および
ＰＩ／Ｏ入出力装置６を経由し、ＰＩ／Ｏ入出力プログ
ラム３００により取り込まれ、共有メモリＣＭ３０のエ
リア６０に記憶される。計測プログラム３１０と制御プ
ログラム３２０とは、このデータを取り込んで処理し、
加工データ，制御データとしてエリア７０に記憶させ
る。他の２つのプロセッサでの処理結果は、メモリバス
２２０経由で、エリア７１，７２に記憶される。ボーテ
イング装置１５は、エリア７０，７１，７２に記憶され
た各プロセッサの演算結果の内どれかを選ぶ機能であ
る。選んだ結果は、入出力プログラム３００によりＰＩ
／Ｏ入出力装置６からＰＩ／Ｏ３の方向でプロセスに出
力され、または、通信プログラム３４０により通信装置
５からＬＡＮ２を経由し、マンマシン装置７または他の
コントローラ等に伝送される。

【００３３】ボーテイング装置１５の選択方法として
は、手動選択または自動選択を採用できる。その具体例
として、次の３つを説明する。 例１：オペレータの判断により切替えスイッチを用いて
切替える。切替えスイッチをオペレータが操作すると、
その信号がＰＩ／Ｏ３に取り込まれ、ＰＩ／Ｏ入出力プ
ログラム３００が、その内容を切替え指示データテーブ
ル５０に反映させる。ボーテイング装置１５が、その内
容を参照して、指示された方のプロセッサの演算結果を
選択する。

【００３４】例２：例１と同様に、オペレータの判断に
より切替えるが、切替えスイッチではなく、マンマシン
装置７から指示し、切替え指示データテーブル５０にセ
ットする。ボーテイング装置１５が、その内容を参照し
て、指示された方のプロセッサの演算結果を選択する。

【００３５】例３：プロセッサが自動的に判断するよう
にプログラミングしておき、そのプログラムの判断結果
をボーテイング装置１５が参照し、指示された方のプロ
セッサの結果を選択する。判断は、制御の出力があまり
変動していない、ハンチングしていないなどの条件を定
量的に比較してなされる。本実施例では、１台のプロセ
ッサが、例１または例２のオペレータの判断を、ＩＦ〜
ＴＨＥＮルールによる知識処理に替えてプログラミング
しておき、その判断結果を切替えテーブル５０にセット
する。ボーテイング装置１５が、その内容を参照して、
指示された方のプロセッサの演算結果を選択する。

【００３６】図６および図７は、本発明によるプロセス
コントローラを適用した制御システムの実施例を示す図
である。図６（ａ）は、制御対象のプラントを示してい
る。このプラントは、タンクおよび開閉弁Ｖ１と、ポン
プＰ１と、流量を測定するセンサーであるオリフィス
と、流量値を求める計器ＦＩＣ１００と、流量の積算値
を求める計器ＦＳ１００とからなる。

【００３７】開始信号により制御が指令されると、弁Ｖ
１を開き、１０秒後にポンプＰ１を起動させる。この起
動により、タンク内の液が流れる。オリフィスで流量を
計測し、その流量をＦＩＣ１００に表示する。また、そ
の積算値をＦＳ１００に表示する。流量の積算値が５０
リッターに達したら、弁Ｖ１を閉じるとともにポンプＰ
１を停止させ、制御が終了する。

【００３８】図６（ｂ）は、この動作のタイムチャート
である。液体が流れている間に、種々の異常を監視し、
プラントの安全を確保したいというニーズが有る。例え
ば、 （１）「流れていなければならないのに流れていない」
かを監視 （２）「流れてはいるが、もれていない」かを監視 （３）「流れてはいけない時に流れている」かを監視 する。本実施例では、（１）（２）の監視内容を図６
（ｃ）に示している。

【００３９】図７は、図６の制御対象に本発明によるコ
ントローラを適用した実施例の系統構成を示す図であ
る。流量，弁Ｖ１，ポンプＰ１等のプロセス信号は、Ｐ
Ｉ／Ｏ３およびＰＩ／Ｏ入出力装置６を経由し、ＰＩ／
Ｏ入出力プログラム３００によりプロセスデータとして
定周期で取り込まれ、共有メモリＣＭ３０に記憶され
る。同様に、ＰＩ／Ｏ入出力プログラム３００では、タ
イマＴＭ１も定周期でカウントされ、共有メモリＣＭ３
０に記憶される。流量については、流量計測プログラム
３２０で、プロセスからの信号０〜２０ｍＡを例えば０
〜１００リッターの工学値にＦＩＣ１００の流量として
変換する。さらに、この流量を積算し、ＦＳ１００の積
算値とする。これら流量および積算値は、共有メモリＣ
Ｍ３０に記憶される。共有メモリＣＭ３０には、常にプ
ロセスの状態である弁Ｖ１の開閉状態，ポンプＰ１の起
動／停止状態，ＦＩＣ１００の流量，ＦＳ１００の積算
値，ＴＭ１のカウント値等が記憶されている。

【００４０】制御プログラム３１０は、図６（ｂ）のタ
イムチャートに従い、共有メモリＣＭ３０の情報を参照
しながら、制御していく。このプログラムは、ＦＯＲＴ
ＲＡＮ等の言語でプログラミングしたり、ラーダーシー
ケンスで作成したり、その他様々な方法が有るが、ここ
では規定はしない。

【００４１】一方、プロセッサ２０では、図６（ｃ）に
示した監視内容をＡＩ応用プロセス制御プログラム３３
０として流量の異常を監視している。この監視中に異常
が発生したら、メモリバス２２０を経由し、共有メモリ
ＣＭ３０に異常内容が伝達される。通信プログラム３４
０がその異常内容をマンマシン装置７に伝達し、オペレ
ータに異常が知らされる。

【００４２】この異常監視をＡＩで行なうメリットは、
次の通りである。 （１）図６で示したプロセスの監視においては、流量Ｆ
ＩＣ１００だけでなく流量に関連した機器の状態との関
係から異常か否かが判断される。計器は、一般的な上／
下警報機能を備えるだけでは不十分であり、関連機器と
の関係も考慮して監視する必要がある。このように、プ
ロセスが複雑に構成されていると、監視内容も複雑にな
り、監視内容の改廃／保守が難しい。本発明において
は、任意のタイミングで判かっている知識を自由に追加
／変更のできるＡＩのＩＦ〜ＴＨＥＮルールにより、改
造／保守が容易にできる。

【００４３】（２）プロセスの安全を考えると、時間の
経過とともに、よりキメ細かな監視を行ないたいという
ニーズが有る。この場合、監視を強化しても、制御は不
変にしたいという要求も有る。本発明においては、自由
なタイミングで知識を改廃できるＡＩであり、しかも、
この監視機能を処理するプロセッサと制御するプロセッ
サとが独立しているので、制御に影響を与えること無
く、より高度な監視を行なうことが可能となる。

【００４４】図８および図９は、本発明によるニューロ
をコントローラに適用した制御システムの実施例を示す
図である。図８は、マンション等において共同給湯する
場合の水を蒸気で高温に温める温水製造装置の例であ
る。ＴＩＣ２００は、タンク内の温度を測定し、目標の
温度になるように，ＦＩＣ２００に蒸気流量の目標値を
出力する。ＦＩＣ２００は、ＴＩＣ２００から与えられ
た目標値になるように、蒸気流量を測定し、目標値との
偏差に応じた出力値すなわち偏差がゼロになるような弁
の開度を調節弁に出力する。このようなＴＩＣ２００と
ＦＩＣ２００とのカスケード制御により、温度が一定に
なるように制御する。ＬＩＣ２００は、タンク内の液位
が低いレベルすなわちタンクレベル計の下限になった
ら、弁Ｖ２０１を開いて注水し、液位が高いレベルすな
わちタンクレベル計の上限になったら、弁Ｖ２０１を閉
じて注水を停止する制御を行なう。弁Ｖ２０２とポンプ
Ｐ２０２とは、各家庭に給湯するために設けられてい
る。ＴＩＣ２００およびＦＩＣ２００において、測定値
と目標値との偏差から出力値を求める際に、一般的には
ＰＩＤ演算がなされ、従来のプログラミング方式による
ソフトウエアでも、分散計装システムＤＣＳの分野で実
用化され、広く活用されている。

【００４５】図９は、図８の制御内容をニューロを応用
して本発明のコントローラに適用した例を示している。
この場合のコントローラ１１０は、既存の制御方式のプ
ロセッサＰ０と、ＡＩ応用制御方式のプロセッサＰ１，
Ｐ２とからなる。

【００４６】図８に示した給湯設備制御の特徴は、１日
の時間帯，曜日，季節，休日などにより必要な給湯量が
いろいろと変動することにある。したがって、これらを
加味して予測した制御内容にする必要があるが、この予
測は、上記時間の要因のみならず、その時の気候，住人
の移動，家族構成の変化など時間とともに変化する要因
を反映させなくてはならない。このような場合、自己学
習機能の無い数式モデルでの予測は大変難しく、実質的
にはできない。これに対して、本発明の学習機能を備え
ているＡＩ応用ソフトウエアでは、過去の実績を自動的
に学習させておくことができ、種々の変化に柔軟に対応
可能である。

【００４７】Ｐ０，Ｐ１，Ｐ２の３つのプロセッサの役
割分担は、以下の通りである。 Ｐ０……従来技術による制御を実行し、Ｐ１から指示さ
れる目標給湯量になるように、図８の制御内容に従って
制御を実行する。 Ｐ１……ニューロにより、過去の実績データに基づき、
１日の時間帯，曜日，季節，休日，その時の気候，住人
の移動，家族構成の変化などを反映してその時に必要な
給湯量を予測し、それを目標給湯量としてＰ０に指示す
る。 Ｐ２……Ｐ１のニューロの学習を行なう。１日の時間
帯，曜日，季節，休日，その時の気候，住人の移動，家
族構成の変化や過去の実績データ等を入力とし、Ｐ０で
の制御出力結果である実際に給湯した量をニューロの教
師信号として与え、各ニューロンの重み係数を求め、Ｐ
１にその係数を渡す。

【００４８】次に、プロセッサＰ０，Ｐ１，Ｐ２の動作
をより詳細に説明する。まず、プロセッサＰ０では、流
量，温度，液位等のプロセス信号が、ＰＩ／Ｏ３および
ＰＩ／Ｏ入出力装置６を経由し、ＰＩ／Ｏ入出力プログ
ラム３００でプロセスデータとして定周期で取り込ま
れ、共有メモリＣＭ３０のエリア６０に記憶される。ま
た、これらプロセスからの信号０〜２０ｍＡは、例えば
０〜１００℃の工学値に変換され、共有メモリＣＭ３０
のエリア６０に記憶される。このようにして、共有メモ
リＣＭ３０のエリア６０には、プロセスの状態であるＴ
ＩＣ２００の温度，ＦＩＣ２００の蒸気流量，ＬＩＣ２
００のレベルの値が常に記憶されている。制御プログラ
ム３２０は、図８の制御方式に従い、エリア６０のデー
タを参照しながら、ＰＩＤ制御等を実行する。制御演算
結果の出力は、エリア７０に記憶される。このプログラ
ムは、ＦＯＲＴＲＡＮ等の言語でプログラミングした
り、その他様々な方法で実現できるが、ここでは規定は
しない。

【００４９】図８の制御対象にニューロを応用し、エリ
ア６０のデータを取り込み、エリア７０に演算結果を出
力し、プロセスを制御している。プロセッサＰ０は、同
じ制御対象を従来のプログラミング方式で制御し、プロ
セッサＰ１は、ニューロ応用により制御している。この
ニューロによる制御の実現方法についても、様々な方法
が発表されているが、ここでは規定しない。ニューロで
必要な各ニューロンの重み係数は、エリア８０に記憶さ
れている。プロセッサＰ１は、この係数を使い、ニュー
ロ演算処理を実行する。

【００５０】プロセッサＰ２は、ニューロで必要な各ニ
ューロンの重み係数を求める学習機能である。常時定期
的に、プロセッサＰ２は、エリア７０に記憶された制御
結果のデータを取り込み、このデータを学習機能の教師
信号として学習させ、学習結果である各ニューロンの重
み係数をエリア８０に記憶させる。この記憶された重み
係数は、プロセッサＰ１のニューロ処理に利用される。
ニューロ処理で一番難しく大変なことは、ニューロンの
重み係数を人手により求めることであり、膨大な教師信
号のデータを与え、数千から数万回にも及ぶ学習を実行
させ、正しく動作することを検証しなければならないの
で、一般的には収斂するのに数ケ月から数年も必要とす
る。

【００５１】これに対して、本発明のこの実施例の方式
によると、例えば１秒間隔で常時学習しており、時間の
経過とともに正しい係数が自動的に求められる。したが
って、オペレータは、何もすることが無く、プロセッサ
Ｐ０での制御動作を忠実に再現でき、ニューロを使用す
る上での信頼度が増すことになる。これを活用して、例
えば、最初の１年は、プロセッサＰ１の機能をオペレー
タが担当し、目標給湯量をオペレータがプロセッサＰ０
に対して与え、このプロセッサＰ０のみによる制御を実
行し、この間にプロセッサＰ２に学習させる。係数が固
定したところで、プロセッサＰ１のニューロによる制御
に切替えればよい。

【００５２】したがって、従来ならば、高速ではあるが
高価な計算機またはワークステーションでなければでき
なかった予測／制御が、本実施例によれば、ニューロを
使った安価なコントローラで実現できる。

【００５３】

【発明の効果】

１．従来ならば、高価な計算機またはワークステーショ
ンでなければ予測／制御できなかったことも、ＡＩを使
った安価な高信頼のコントローラで予測／制御できる。

【００５４】２．従来技術による制御とＡＩ応用による
監視との間が密に結合され、相互の情報の授受が高速に
なる。

【００５５】３．プロセッサが各々独立して動作するの
で、既存技術によるプロセス制御の負荷に影響を与える
ことなく、高度な監視／診断ができる。

【００５６】４．新アルゴリズムであるＡＩ応用プログ
ラムが技術的に安定し確立されるには、 経験や実験時
間を要する。一方、既存技術によるプロセス制御は既に
実用化さ れ、すぐ使える状態にある。そこで、まず既
存技術によるプロセス制御のプロ セッサで制御してお
き、後にＡＩ応用のプロセッサを挿入すれば、既に動作
し ているプロセス制御に影響与えることなく、高度な
機能を備えた監視／制御の プロセスコントローラを実
現できる。

【００５７】５．プロセスの異常監視は、制御が不変で
あっても、よりキメ細かな監視をしたいというニ−ズが
有り、監視方法は時々刻々と変わる。この場合、本発明
のＡＩを使えば知識を改変するのみで、監視内容を容易
に変更できる。

【００５８】６．同一の制御／監視内容を、１つは従来
のプログラミング方式で、１つはＡＩ応用の異なった方
式で実行させ、どちらが良いかを判断するボーティング
装置を備えたことから、制御性が大幅に向上する。

【００５９】７．従来はニュ−ロの学習に膨大な作業を
必要としていたが、自動的学習機能を備えたので、オペ
レータによる煩雑な学習作業が不要となる。

【図面の簡単な説明】

【図１】本発明によるプロセスコントローラの一実施例
の構成を示すブロック図である。

【図２】本発明によるコントローラの構成をより詳細に
示すブロック図である。

【図３】本発明によるコントローラの構成をより詳細に
示すブロック図である。

【図４】図２，図３の実施例のコントローラの実装状態
を示す斜視図と、コントローラの外枠を外した状態を示
す図である。

【図５】プロセッサ１０および２０からの出力のいずれ
かを選択するボーティング装置１５の機能を説明する図
である。

【図６】本発明によるプロセスコントローラを適用した
制御システムの実施例を示す図である。

【図７】図６の制御対象に本発明によるコントローラを
適用した実施例の系統構成を示す図である。

【図８】マンション等において共同給湯する場合の水を
蒸気で高温に温める温水製造装置の例を示す図である。

【図９】図８の制御内容をニューロを応用して本発明の
コントローラに適用した例を示す図である。

【図１０】従来のプロセスコントローラの構成の一例を
示す図である。

【図１１】従来技術によるコントローラの構成の一例を
示す図である。

【符号の説明】

１ 本発明によるコントローラ ２ ＬＡＮ等の通信回線 ３ ＰＩ／Ｏ ５ 通信手段 ６ ＰＩ／Ｏ入出力装置 ７ マンマシン装置（警報表示装置） １０ 既存技術によるプロセス制御プロセッサ １１ ＣＰＵ １２ 記憶装置（メモリ） １５ ボーティング装置 １６ 切替えスイッチ ２０ ＡＩ応用によるプロセス監視／制御プロセッサ ３０ 共有メモリ ５０ 切替テーブル１ ５５ 切替テーブル２ ６０ プロセス入力データ制御情報 ７０ Ｐ０の出力データ ７１ Ｐ１の出力データ ７２ Ｐ２の出力データ ８０ 学習結果 １００ 計算機 １０１ ワークステーション １０５ 電源装置 １１０ 従来のコントローラ １５０ コントローラ ２００ 既存技術によるるプロセス制御プロセッサプラ
グインボード ２０５ ＡＩ応用によるプロセス監視／制御プロセッサ
プラグインボード ２１０ 共有メモリコピー機能 ２２０ メモリバス ３００ プロセスデ−タ入力プログラム ３１０ 制御のタイムチャ−ト例 ３２０ 流量計測プログラム／制御プログラム ３３０ 流量異常監視プログラム ３４０ 通信プログラム ３５０ ニューロ制御プログラム ３６０ ニューロ学習プログラム

Claims (6)

【特許請求の範囲】
1. 【請求項１】 各々が演算処理装置ＣＰＵとプライベー
   トメモリとを含む複数のプロセッサと、各プロセッサが
   読出し／書込みが可能な共有メモリと、他の計算機また
   はワークステーションまたはコントローラと通信する通
   信手段と、制御すべきプロセスと制御信号およびプロセ
   ス信号を授受するＰＩ／Ｏ入出力装置とを有するプロセ
   スコントローラにおいて、 少なくとも１つの前記ＣＰＵが、アセンブラ，ＦＯＲＴ
   ＲＡＮ，Ｃ等の汎用言語で作られたプログラムによりプ
   ロセスを制御するＣＰＵであり、 残りのＣＰＵが、知識処理(ＩＦ〜ＴＨＥＮ〜ルール)，
   ファジィ，ニューロ等のＡＩによりプロセスの異常監
   視，異常診断，制御等を行なうＣＰＵであることを特徴
   とするプロセスコントローラ。
2. 【請求項２】 各々が演算処理装置ＣＰＵとプライベー
   トメモリとを含む複数のプロセッサと、各プロセッサが
   読出し／書込みが可能な共有メモリと、他の計算機また
   はワークステーションまたはコントローラと通信する通
   信手段と、制御すべきプロセスと制御信号およびプロセ
   ス信号を授受するＰＩ／Ｏ入出力装置とを有するプロセ
   スコントローラにおいて、 少なくとも１つの前記ＣＰＵが、アセンブラ，ＦＯＲＴ
   ＲＡＮ，Ｃ等の汎用言語で作られたプログラムによりプ
   ロセスの異常監視，異常診断，制御等を行なうＣＰＵで
   あり、 残りのＣＰＵが、知識処理，ファジィ，ニューロ等のＡ
   Ｉにより前記と同一のプロセスの異常監視，異常診断，
   制御等を行なうＣＰＵであり、 前記プロセッサの判断結果のいずれかを選択し前記通信
   手段またはＰＩ／Ｏ入出力装置に接続するボーティング
   手段を設けたことを特徴とするプロセスコントローラ。
3. 【請求項３】 各々が演算処理装置ＣＰＵとプライベー
   トメモリとを含む複数のプロセッサと、各プロセッサが
   読出し／書込みが可能な共有メモリと、他の計算機また
   はワークステーションまたはコントローラと通信する通
   信手段と、制御すべきプロセスと制御信号およびプロセ
   ス信号を授受するＰＩ／Ｏ入出力装置とを有するプロセ
   スコントローラにおいて、 少なくとも１つの前記ＣＰＵが、アセンブラ，ＦＯＲＴ
   ＲＡＮ，Ｃ等の汎用言語で作られたプログラムによりプ
   ロセスを制御するＣＰＵであり、 残りの少なくとも１つの前記ＣＰＵが、知識処理，ファ
   ジィ，ニューロ等のＡＩによりプロセスの異常監視，異
   常診断，制御等を行なうＣＰＵであり、 残りの少なくとも１つの前記ＣＰＵが、前記ＡＩ制御Ｃ
   ＰＵによるプロセス制御の実行結果を教師信号として学
   習し、学習結果の重み係数を前記ＡＩ制御ＣＰＵに与え
   る学習ＣＰＵであることを特徴とするプロセスコントロ
   ーラ。
4. 【請求項４】 各々が演算処理装置ＣＰＵとプライベー
   トメモリとを含む複数のプロセッサと、各プロセッサが
   読出し／書込みが可能な共有メモリと、他の計算機また
   はワークステーションまたはコントローラと通信する通
   信手段と、制御すべきプロセスと制御信号およびプロセ
   ス信号を授受するＰＩ／Ｏ入出力装置とを有するプロセ
   スコントローラにおいて、 少なくとも１つの前記ＣＰＵが、アセンブラ，ＦＯＲＴ
   ＲＡＮ，Ｃ等の汎用言語で作られたプログラムによりプ
   ロセスを制御するＣＰＵであり、 残りの少なくとも１つの前記ＣＰＵが、知識処理，ファ
   ジィ，ニューロ等のＡＩによりプロセスの異常監視，異
   常診断，制御等を行なうＣＰＵであり、 残りの少なくとも１つの前記ＣＰＵが、前記ＡＩ制御Ｃ
   ＰＵによるプロセス制御の実行結果を教師信号として学
   習し、学習結果の重み係数を前記ＡＩ制御ＣＰＵに与え
   る学習ＣＰＵであり、 前記プロセッサの判断結果のいずれかを選択し前記通信
   手段またはＰＩ／Ｏ入出力装置に接続するボーティング
   手段を設けたことを特徴とするプロセスコントローラ。
5. 【請求項５】 請求項２または４に記載のプロセスコン
   トローラにおいて、 前記ボーティング手段が、オペレータにより操作される
   切替えスイッチであることを特徴とするプロセスコント
   ローラ。
6. 【請求項６】 請求項２または４に記載のプロセスコン
   トローラにおいて、 前記ボーティング手段が、オペレータにより操作される
   切替えスイッチおよび前記判断結果の論理演算によりい
   ずれかの判断結果を自動的に選択する選択回路であるこ
   とを特徴とするプロセスコントローラ。