JPH0553604A - 操業事例の自動修正による学習方法 - Google Patents
操業事例の自動修正による学習方法Info
- Publication number
- JPH0553604A JPH0553604A JP3209290A JP20929091A JPH0553604A JP H0553604 A JPH0553604 A JP H0553604A JP 3209290 A JP3209290 A JP 3209290A JP 20929091 A JP20929091 A JP 20929091A JP H0553604 A JPH0553604 A JP H0553604A
- Authority
- JP
- Japan
- Prior art keywords
- guidance
- failure
- tag
- case
- data
- 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.)
- Pending
Links
Landscapes
- Manufacture Of Iron (AREA)
- Feedback Control In General (AREA)
Abstract
(57)【要約】
【目的】 操業ガイダンスを実操業に適用した結果を評
価（成功・失敗）し、失敗原因を解析した後事例を修正
することにより、蓄積事例に基づくガイダンスシステム
に学習機能を付加して操業ガイダンスの信頼性を向上さ
せる。 【構成】 過去の操業事例を分析して操業ガイダンスを
行い、操業ガイダンスを実操業に適応した結果を評価
し、適用に失敗した場合には、失敗原因を領域理論を用
いて自動解析し、次に、操業ガイダンスに基づいて操業
アクションを行った時の操業データと抽出された類似例
との間の距離が拡がるように事例を修正し、解析できな
かった場合にはその信頼度を下げる。
価（成功・失敗）し、失敗原因を解析した後事例を修正
することにより、蓄積事例に基づくガイダンスシステム
に学習機能を付加して操業ガイダンスの信頼性を向上さ
せる。 【構成】 過去の操業事例を分析して操業ガイダンスを
行い、操業ガイダンスを実操業に適応した結果を評価
し、適用に失敗した場合には、失敗原因を領域理論を用
いて自動解析し、次に、操業ガイダンスに基づいて操業
アクションを行った時の操業データと抽出された類似例
との間の距離が拡がるように事例を修正し、解析できな
かった場合にはその信頼度を下げる。
Description
【０００１】
【産業上の利用分野】この発明は過去の操業事例をベー
スに操業ガイダンスを行う操業支援システムにおいて、
操業ガイダンスを実操業に適用した結果を評価（成功・
失敗）し、失敗原因を自動修正する操業事例の自動修正
による学習方法に関するものである。
スに操業ガイダンスを行う操業支援システムにおいて、
操業ガイダンスを実操業に適用した結果を評価（成功・
失敗）し、失敗原因を自動修正する操業事例の自動修正
による学習方法に関するものである。
【０００２】
【従来の技術】図７は特開平２−１６６２０５号公報に
開示されている従来のエキスパートシステムによる操業
管理システムの構成を示すブロック図である。高炉１の
センサー情報を収集しこれをデータベースファイル２に
登録する。これらのデータ及び知識をもとに、推論エン
ジン４を用いて炉内状況を推論し、操業管理を行ってい
る。
開示されている従来のエキスパートシステムによる操業
管理システムの構成を示すブロック図である。高炉１の
センサー情報を収集しこれをデータベースファイル２に
登録する。これらのデータ及び知識をもとに、推論エン
ジン４を用いて炉内状況を推論し、操業管理を行ってい
る。
【０００３】
【発明が解決しようとする課題】従来のエキスパートシ
ステムは、ルールベースを構築するうえで専門家から知
識を獲得することが必要である。しかしながら、エキス
パートシステムの知識獲得方法論は未確立にあること、
更に専門家からは定量的な知識を獲得することが困難な
場合が多かった。このような問題を解決する一手法とし
て、過去の操業事例をもとに操作量をガイダンスするシ
ステムが考えられるが、蓄積事例の正当性、信頼性を高
めるためには、ガイダンスされた操作量を操業に適用
し、その結果（成功・失敗）を蓄積事例に反映すること
が必要である。
ステムは、ルールベースを構築するうえで専門家から知
識を獲得することが必要である。しかしながら、エキス
パートシステムの知識獲得方法論は未確立にあること、
更に専門家からは定量的な知識を獲得することが困難な
場合が多かった。このような問題を解決する一手法とし
て、過去の操業事例をもとに操作量をガイダンスするシ
ステムが考えられるが、蓄積事例の正当性、信頼性を高
めるためには、ガイダンスされた操作量を操業に適用
し、その結果（成功・失敗）を蓄積事例に反映すること
が必要である。
【０００４】この発明は、操業ガイダンスを実操業に適
用した結果を評価（成功・失敗）し、失敗原因を解析し
た後に事例を修正することにより、蓄積事例に基づくガ
イダンスシステムに学習機能を付加して操業ガイダンス
の信頼性を向上させた操業事例の自動修正による学習方
法を提供することを目的とする。
用した結果を評価（成功・失敗）し、失敗原因を解析し
た後に事例を修正することにより、蓄積事例に基づくガ
イダンスシステムに学習機能を付加して操業ガイダンス
の信頼性を向上させた操業事例の自動修正による学習方
法を提供することを目的とする。
【０００５】
【課題を解決するための手段及び作用】この発明の操業
事例の自動修正による学習方法おいては、例えばプロセ
ス制御用計算機によりセンサー情報に基づいて操業の特
徴を計算し、これらを過去の操業事例として蓄積する。
この蓄積事例の中から、現在の操業事例と類似した操業
事例を多次元尺度を用いて数件抽出し、操業のねらいと
なるデータが操業変更後に改善された事例の操作量をガ
イダンスする。操業変数には多次元尺度計算を行う際の
重み係数があるが、更に操業変数に採用優先度を設け
る。この優先度が高いものが距離計算に採用される。
事例の自動修正による学習方法おいては、例えばプロセ
ス制御用計算機によりセンサー情報に基づいて操業の特
徴を計算し、これらを過去の操業事例として蓄積する。
この蓄積事例の中から、現在の操業事例と類似した操業
事例を多次元尺度を用いて数件抽出し、操業のねらいと
なるデータが操業変更後に改善された事例の操作量をガ
イダンスする。操業変数には多次元尺度計算を行う際の
重み係数があるが、更に操業変数に採用優先度を設け
る。この優先度が高いものが距離計算に採用される。
【０００６】ここで、上記の操業ガイダンスに基づいて
操業アクションを行い、操業ねらいが改善されなかった
場合には（事例の適用失敗）、このガイダンス事例を以
下の方法で修復する。すなわち、ガイダンス事例の操業
データを領域理論（操業の基礎概念・基礎知識）を用い
て解析し、成功しなかった原因となる操業変数を選定す
る。そして、操業ガイダンスに基づいて操業アクション
を行った時の操業データと、抽出された類似事例（失敗
事例）との間の距離が拡がるように、失敗原因となった
操業変数の採用優先度や重み係数を変更する。また、失
敗原因が解析できなかった場合には、その操業事例の信
頼度を下げる。こうして、操業ガイダンスに基づいて操
業アクションを行うに従って事例検索の際の失敗事例の
抽出率を低減させることにより、ガイダンスシテムとし
ての信頼性を向上させることができる。
操業アクションを行い、操業ねらいが改善されなかった
場合には（事例の適用失敗）、このガイダンス事例を以
下の方法で修復する。すなわち、ガイダンス事例の操業
データを領域理論（操業の基礎概念・基礎知識）を用い
て解析し、成功しなかった原因となる操業変数を選定す
る。そして、操業ガイダンスに基づいて操業アクション
を行った時の操業データと、抽出された類似事例（失敗
事例）との間の距離が拡がるように、失敗原因となった
操業変数の採用優先度や重み係数を変更する。また、失
敗原因が解析できなかった場合には、その操業事例の信
頼度を下げる。こうして、操業ガイダンスに基づいて操
業アクションを行うに従って事例検索の際の失敗事例の
抽出率を低減させることにより、ガイダンスシテムとし
ての信頼性を向上させることができる。
【０００７】
【実施例】図１は本発明の一実施例の操業事例の自動修
正による学習方法の処理過程を示したフローチャートで
ある。制御用プロセスコンピュータに蓄積された過去の
操業事例から探索操業変数を用いて、蓄積事例の中から
操業変更前のデータが現在の操業と類似した事例を抽出
する（同様事例の抽出）。同様事例抽出に用いられる距
離計算式は次のとおりである。
正による学習方法の処理過程を示したフローチャートで
ある。制御用プロセスコンピュータに蓄積された過去の
操業事例から探索操業変数を用いて、蓄積事例の中から
操業変更前のデータが現在の操業と類似した事例を抽出
する（同様事例の抽出）。同様事例抽出に用いられる距
離計算式は次のとおりである。
【０００８】
【数１】
【０００９】また、各操業変数は探索計算に用いられる
ための優先度を有し、この優先度の高い順に予め設定さ
れた個数の変数が選択される。こうして計算された距離
Ｊｉの中から小さい順に設定個数分の事例が同様事例と
して選択される。次に、抽出事例に関して、操業ねらい
となる変数の操業変更前後データをもとに、操業を評価
する関数を用いて操業変更による効果を評価し（以上の
処理過程は特開平２−３０６３６４公報において本出願
人により提案されている。）、その結果をガイダンスさ
れる。
ための優先度を有し、この優先度の高い順に予め設定さ
れた個数の変数が選択される。こうして計算された距離
Ｊｉの中から小さい順に設定個数分の事例が同様事例と
して選択される。次に、抽出事例に関して、操業ねらい
となる変数の操業変更前後データをもとに、操業を評価
する関数を用いて操業変更による効果を評価し（以上の
処理過程は特開平２−３０６３６４公報において本出願
人により提案されている。）、その結果をガイダンスさ
れる。
【００１０】次に、この操業ガイダンス（良い事例）に
基づいて操業アクションを行った場合、操業のねらいが
改善されたか（操業ねらいとなる操業変数が良い方向に
変化したか）どうかを評価し、操業ねらいが改善されな
かった場合（実アクションと事例の評価結果不一致＝ガ
イダンス事例の適用失敗）には、ガイダンスされた事例
に対して適用に失敗した原因を領域理論を用いて解析す
る。この失敗原因の解析については図２に基づいて更に
詳述する。失敗原因が解析できた場合には失敗原因とな
った操業変数に対して、探索用変数の採用優先度又は重
み係数を変更する。失敗原因が解析できなかった場合に
は事例の信頼度を下げた後、事例蓄積ファイルに格納す
る。
基づいて操業アクションを行った場合、操業のねらいが
改善されたか（操業ねらいとなる操業変数が良い方向に
変化したか）どうかを評価し、操業ねらいが改善されな
かった場合（実アクションと事例の評価結果不一致＝ガ
イダンス事例の適用失敗）には、ガイダンスされた事例
に対して適用に失敗した原因を領域理論を用いて解析す
る。この失敗原因の解析については図２に基づいて更に
詳述する。失敗原因が解析できた場合には失敗原因とな
った操業変数に対して、探索用変数の採用優先度又は重
み係数を変更する。失敗原因が解析できなかった場合に
は事例の信頼度を下げた後、事例蓄積ファイルに格納す
る。
【００１１】図２及び図３は失敗原因の解析処理方法を
示すフローチャートであり、以下これらの図に基づいて
その処理方法を説明する。 （Ｓ１）：まず、実アクション時の操業データ及びガイ
ダンス事例の操業データについて操業変数を操業条件タ
グとそれ以外のタグとに分ける。この分離処理は領域理
論として予め設定されている「操業条件タグとそれ以外
のタグの区分」に基づいて処理される。 （Ｓ２）：操業条件タグとして分類された最新アクショ
ン時の操業データ及びガイダンス事例の操業データに対
してタグ毎に過去のデータの平均値±ｎσをしきい値と
して操業データを３区間に分類する。 図４は操業データを３区間に分類する際の特性図であ
る。図示のようにデータの平均値±ｎσをしきい値とし
て操業データを３区間Ｈ，Ｌ，Ｍに分類することにより
平均値からはずれたデータを判別し、平均値からはずれ
ていることがねらいに影響を与えたかどうかを判断す
る。
示すフローチャートであり、以下これらの図に基づいて
その処理方法を説明する。 （Ｓ１）：まず、実アクション時の操業データ及びガイ
ダンス事例の操業データについて操業変数を操業条件タ
グとそれ以外のタグとに分ける。この分離処理は領域理
論として予め設定されている「操業条件タグとそれ以外
のタグの区分」に基づいて処理される。 （Ｓ２）：操業条件タグとして分類された最新アクショ
ン時の操業データ及びガイダンス事例の操業データに対
してタグ毎に過去のデータの平均値±ｎσをしきい値と
して操業データを３区間に分類する。 図４は操業データを３区間に分類する際の特性図であ
る。図示のようにデータの平均値±ｎσをしきい値とし
て操業データを３区間Ｈ，Ｌ，Ｍに分類することにより
平均値からはずれたデータを判別し、平均値からはずれ
ていることがねらいに影響を与えたかどうかを判断す
る。
【００１２】（Ｓ３）：最新アクション時の操業データ
とガイダンス事例の操業データ間の組み合わせで以下の
３種類に分類する。 ａ）ＨとＨ又はＬとＬの組み合わせとなるタグ（：後述
するタグ５となって現れる。他のタグ同様） ｂ）ＨとＬの組み合わせとなるタグ（：タグ６） ｃ）ＨとＭ又はＭとＭの組み合わせとなるタグ（：タグ
７） （Ｓ４）：一方、操業条件以外のタグとして分類された
最新アクション時の操業データ及びガイダンス事例の操
業データに対してタグ毎に操業変更前後の差の絶対値を
計算する。 （Ｓ５）：タグ毎のその絶対値をしきい値に基づいて判
別し、操業変数を選択する。 （Ｓ６）：操業変数が選択されたかどうかを判断する。
とガイダンス事例の操業データ間の組み合わせで以下の
３種類に分類する。 ａ）ＨとＨ又はＬとＬの組み合わせとなるタグ（：後述
するタグ５となって現れる。他のタグ同様） ｂ）ＨとＬの組み合わせとなるタグ（：タグ６） ｃ）ＨとＭ又はＭとＭの組み合わせとなるタグ（：タグ
７） （Ｓ４）：一方、操業条件以外のタグとして分類された
最新アクション時の操業データ及びガイダンス事例の操
業データに対してタグ毎に操業変更前後の差の絶対値を
計算する。 （Ｓ５）：タグ毎のその絶対値をしきい値に基づいて判
別し、操業変数を選択する。 （Ｓ６）：操業変数が選択されたかどうかを判断する。
【００１３】（Ｓ７）：操業変数が選択された場合に
は、操業変数の変化方向を経験則を用いてチェックす
る。この場合の経験則は領域理論として予め設定されて
おり、「ＩＦ〜ＴＨＥＮ」形式で表現されており、操業
変数の変化方向がこの経験則の操業変数の変化方向と整
合しているかどうかをチェックする。例えば経験則の例
を挙げると次のとおりである。 ＩＦ（タグＡが減少（０〜０．５）．ＡＮＤ．タグＢが
増加（０〜０．５））ＴＨＥＮ（タグＣが増加（０〜１
００゜Ｃ）．ＡＮＤ．タグＤが減少（０〜−１００゜
Ｃ）） ↓ （抽出タグ） タイプＡ −０．２ タイプＢ ＋０．２ タイプＣ ＋５０゜Ｃ タイプＤ −１０゜Ｃ
は、操業変数の変化方向を経験則を用いてチェックす
る。この場合の経験則は領域理論として予め設定されて
おり、「ＩＦ〜ＴＨＥＮ」形式で表現されており、操業
変数の変化方向がこの経験則の操業変数の変化方向と整
合しているかどうかをチェックする。例えば経験則の例
を挙げると次のとおりである。 ＩＦ（タグＡが減少（０〜０．５）．ＡＮＤ．タグＢが
増加（０〜０．５））ＴＨＥＮ（タグＣが増加（０〜１
００゜Ｃ）．ＡＮＤ．タグＤが減少（０〜−１００゜
Ｃ）） ↓ （抽出タグ） タイプＡ −０．２ タイプＢ ＋０．２ タイプＣ ＋５０゜Ｃ タイプＤ −１０゜Ｃ
【００１４】（Ｓ８）：そして、ルールを満足しない操
業変数を削除する。 （Ｓ９）：削除された後残った操業変数を領域理論とし
て予め設定されている操業思考フローと照合する。 図５は操業思考フローの示したフローチャートである。
図示のように、大別して操業条件、炉頂装入物分布、制
御因子、炉内現象、制御判定因子、効果及び狙いの各ブ
ロックから構成されている。 （Ｓ１０）：最新アクション時の操業データ及びガイダ
ンス事例の操業データに関し、選択操業変数が図５の操
業思考フローの各ブロック中に１ケ以上存在するかどう
かを判別する。つまり、選択操業変数が図５の各ブロッ
ク中に最低１ケあれば操業ねらいが良くなった過程又は
悪くなった過程が説明でき、なければ説明できない。
業変数を削除する。 （Ｓ９）：削除された後残った操業変数を領域理論とし
て予め設定されている操業思考フローと照合する。 図５は操業思考フローの示したフローチャートである。
図示のように、大別して操業条件、炉頂装入物分布、制
御因子、炉内現象、制御判定因子、効果及び狙いの各ブ
ロックから構成されている。 （Ｓ１０）：最新アクション時の操業データ及びガイダ
ンス事例の操業データに関し、選択操業変数が図５の操
業思考フローの各ブロック中に１ケ以上存在するかどう
かを判別する。つまり、選択操業変数が図５の各ブロッ
ク中に最低１ケあれば操業ねらいが良くなった過程又は
悪くなった過程が説明でき、なければ説明できない。
【００１５】（Ｓ１１）：上記（Ｓ６）において操業変
数が選択できなかった場合及び上記（Ｓ１０）において
選択操業変数が図５の操業思考フローの各ブロック中に
１ケ以上存在しなかった場合には、適用失敗原因の解析
が不可能であると判断する。 （Ｓ１２）：上記（Ｓ１０）において選択操業変数が図
５の操業思考フローの各ブロック中に１ケ以上存在して
いた場合には、最新アクション時とガイダンス事例間で
図５の操業思考フロー中の選択操業変数を比較して以下
の４種類に分ける。 ａ）操業変数データの変化方向が逆（：タグ１） ｂ）他方（最新アクション時かガイダンス事例のどちら
か一方）のみ操業思考フロー中に存在する（：タグ２） ｃ）最新アクション時操業変数とガイダンス事例の操業
変数両者共に操業思考フローに存在し、変化方向も同一
（：タグ３） ｄ）両者共に操業思考フローに存在しない（：タグ４）
数が選択できなかった場合及び上記（Ｓ１０）において
選択操業変数が図５の操業思考フローの各ブロック中に
１ケ以上存在しなかった場合には、適用失敗原因の解析
が不可能であると判断する。 （Ｓ１２）：上記（Ｓ１０）において選択操業変数が図
５の操業思考フローの各ブロック中に１ケ以上存在して
いた場合には、最新アクション時とガイダンス事例間で
図５の操業思考フロー中の選択操業変数を比較して以下
の４種類に分ける。 ａ）操業変数データの変化方向が逆（：タグ１） ｂ）他方（最新アクション時かガイダンス事例のどちら
か一方）のみ操業思考フロー中に存在する（：タグ２） ｃ）最新アクション時操業変数とガイダンス事例の操業
変数両者共に操業思考フローに存在し、変化方向も同一
（：タグ３） ｄ）両者共に操業思考フローに存在しない（：タグ４）
【００１６】（Ｓ１３）：上記（Ｓ３）及び（Ｓ１２）
の処理の後、適用失敗原因解析ルールにそれらのデータ
を適用して適用失敗原因を解析する。 Ａ）操業条件以外のタグの適用失敗原因解析ルールは次
のとおりである。 ・ＩＦ（変化方向同じ．ＡＮＤ．操業ねらいの変化が
逆）ＴＨＥＮ 操業変更後の評価結果が異なった要因タグである可能性
は低い。 ・ＩＦ（（変化方向が逆．ＯＲ．一方の事例の変化あ
り）．ＡＮＤ．操業ねらいの変化が逆）ＴＨＥＮ 操業変更後の評価結果が異なった要因タグである可能性
が高い。 ・ＩＦ（操業思考フローに存在しない）ＴＨＥＮ 操業ねらいに影響がないタグ
の処理の後、適用失敗原因解析ルールにそれらのデータ
を適用して適用失敗原因を解析する。 Ａ）操業条件以外のタグの適用失敗原因解析ルールは次
のとおりである。 ・ＩＦ（変化方向同じ．ＡＮＤ．操業ねらいの変化が
逆）ＴＨＥＮ 操業変更後の評価結果が異なった要因タグである可能性
は低い。 ・ＩＦ（（変化方向が逆．ＯＲ．一方の事例の変化あ
り）．ＡＮＤ．操業ねらいの変化が逆）ＴＨＥＮ 操業変更後の評価結果が異なった要因タグである可能性
が高い。 ・ＩＦ（操業思考フローに存在しない）ＴＨＥＮ 操業ねらいに影響がないタグ
【００１７】Ｂ）操業条件のタグの適用失敗原因解析ル
ールは次のとおりである。 ・ＩＦ（平均から同一方向に外れている．ＡＮＤ．操業
ねらいの変化が逆）ＴＨＥＮ 事例としては特徴的なデータであるが操業ねらいに対し
て影響が少ない。 ・ＩＦ（平均値から変化方向に外
れている．ＡＮＤ．操業ねらいの変化が逆） ＴＨＥ
Ｎ 事例としては特徴的なデータであり、操業ねらいに対し
て影響がある。 ・ＩＦ（（一方の事例のみ平均から外れている．ＯＲ．
両方とも平均値に近． ＡＮＤ．操業ねらいの変化が
逆）ＴＨＥＮ 事例としては特徴的なデータであり、操業ねらいが異な
る結果となる原因であるかは不明である。
ールは次のとおりである。 ・ＩＦ（平均から同一方向に外れている．ＡＮＤ．操業
ねらいの変化が逆）ＴＨＥＮ 事例としては特徴的なデータであるが操業ねらいに対し
て影響が少ない。 ・ＩＦ（平均値から変化方向に外
れている．ＡＮＤ．操業ねらいの変化が逆） ＴＨＥ
Ｎ 事例としては特徴的なデータであり、操業ねらいに対し
て影響がある。 ・ＩＦ（（一方の事例のみ平均から外れている．ＯＲ．
両方とも平均値に近． ＡＮＤ．操業ねらいの変化が
逆）ＴＨＥＮ 事例としては特徴的なデータであり、操業ねらいが異な
る結果となる原因であるかは不明である。
【００１８】（Ｓ１４）：以上の適用失敗原因の解析ル
ールによる解析結果は次のとおりである。 タグ１：事例の適用に失敗となる可能性が有る。 タグ２：事例の適用に失敗となる可能性が有る。 タグ３：操業ねらいに影響はあるが事例の適用に失敗し
た要因ではない。 タグ４：操業ねらいに影響は無く事例の適用に失敗した
要因となったかは不明。 タグ５：事例として特徴的なデータであるが操業ねらい
に対して影響が少ない。 タグ６：事例として特徴的なデータであり、操業ねらい
に影響が有る。 タグ７：事例として標準的なデータであり、事例の適用
に失敗した要因となったかは不明。 （Ｓ１５）：以上のように各操業変数に対してタグ１〜
７を設定し、それが終了すると適用失敗原因の解析がで
きたものとして、失敗原因の解析処理を終了する。
ールによる解析結果は次のとおりである。 タグ１：事例の適用に失敗となる可能性が有る。 タグ２：事例の適用に失敗となる可能性が有る。 タグ３：操業ねらいに影響はあるが事例の適用に失敗し
た要因ではない。 タグ４：操業ねらいに影響は無く事例の適用に失敗した
要因となったかは不明。 タグ５：事例として特徴的なデータであるが操業ねらい
に対して影響が少ない。 タグ６：事例として特徴的なデータであり、操業ねらい
に影響が有る。 タグ７：事例として標準的なデータであり、事例の適用
に失敗した要因となったかは不明。 （Ｓ１５）：以上のように各操業変数に対してタグ１〜
７を設定し、それが終了すると適用失敗原因の解析がで
きたものとして、失敗原因の解析処理を終了する。
【００１９】図６は失敗原因が解析できた場合に、距離
計算用タグの採用優先順の更新及び重み係数の更新をす
る際の処理を示したフローチャートである。 （Ｓ２０）：操業変数の採用優先度について、上述のよ
うにした求められたタグ１〜７に基づいてそれぞれα、
β又は「０」を加算又は減算する。 （Ｓ２１）：次に、タグの採用優先度が所定の上限値又
は下限値の範囲内であるかどうかを判別する。 （Ｓ２２）：範囲内にあると判断された場合には、上述
の加算又は加算により得られた値にそのタグの採用優先
度を変更する。 （Ｓ２３）：範囲外にあると判断された場合にはそのタ
グの採用優先度を変更せずに、距離計算重みを更新す
る。 タグの採用優先度＞上限の値の時、距離計算重みに所定
の定数ａを加算する。タグの採用優先度＜下限の値の
時、距離計算重みから所定の定数ｂを減算する。
計算用タグの採用優先順の更新及び重み係数の更新をす
る際の処理を示したフローチャートである。 （Ｓ２０）：操業変数の採用優先度について、上述のよ
うにした求められたタグ１〜７に基づいてそれぞれα、
β又は「０」を加算又は減算する。 （Ｓ２１）：次に、タグの採用優先度が所定の上限値又
は下限値の範囲内であるかどうかを判別する。 （Ｓ２２）：範囲内にあると判断された場合には、上述
の加算又は加算により得られた値にそのタグの採用優先
度を変更する。 （Ｓ２３）：範囲外にあると判断された場合にはそのタ
グの採用優先度を変更せずに、距離計算重みを更新す
る。 タグの採用優先度＞上限の値の時、距離計算重みに所定
の定数ａを加算する。タグの採用優先度＜下限の値の
時、距離計算重みから所定の定数ｂを減算する。
【００２０】
【発明の効果】以上のように本発明によれば、操業ガイ
ダンスを実操業に適用して失敗した場合には、ガイダン
ス事例の操業データを領域理論（操業の基礎概念・基礎
理論）を用いて適用失敗原因を解析し、操業ガイダンス
に基づいて操業アクションを行った時の操業データと抽
出された類似例（失敗例）との間の距離が拡がるように
事例を修復し、解析できなかった場合にはその信頼度を
下げるようにしたので、操業ガイダンスに基づいて操業
アクションを行うに従って、自動的に事例検索の際の失
敗事例の抽出率を低減させることができ、ガイダンスシ
ステムとしての信頼性を向上させることができる。
ダンスを実操業に適用して失敗した場合には、ガイダン
ス事例の操業データを領域理論（操業の基礎概念・基礎
理論）を用いて適用失敗原因を解析し、操業ガイダンス
に基づいて操業アクションを行った時の操業データと抽
出された類似例（失敗例）との間の距離が拡がるように
事例を修復し、解析できなかった場合にはその信頼度を
下げるようにしたので、操業ガイダンスに基づいて操業
アクションを行うに従って、自動的に事例検索の際の失
敗事例の抽出率を低減させることができ、ガイダンスシ
ステムとしての信頼性を向上させることができる。
【図１】本発明の一実施例の操業事例の自動修正による
学習方法の処理過程を示したフローチャートである。
学習方法の処理過程を示したフローチャートである。
【図２】図１の失敗原因の解析処理方法の一部を示すフ
ローチャートである。
ローチャートである。
【図３】図１の失敗原因の解析処理方法の一部を示すフ
ローチャートである。
ローチャートである。
【図４】操業データを３区間に分類する際の特性図であ
る。
る。
【図５】操業思考フローを示したフローチャートであ
る。
る。
【図６】失敗原因が解析できた場合に距離計算用タグの
採用優先順の更新及び重み係数の更新をする際の処理を
示したフローチャートである。
採用優先順の更新及び重み係数の更新をする際の処理を
示したフローチャートである。
【図７】特開平２−１６６２０５号公報に開示されてい
る従来の操業管理システムの構成を示すブロック図であ
る。
る従来の操業管理システムの構成を示すブロック図であ
る。
Claims (1)
- 【請求項１】 過去の操業事例を分析して操業ガイダン
スを行い、操業ガイダンスを実操業に適応した結果を評
価し、適用に失敗した場合には失敗原因を領域理論を用
いて自動解析し、解析できた場合には操業ガイダンスに
基づいて操業アクションを行った時の操業データと抽出
された類似例との間の距離が拡がるように事例を修正
し、解析できなかった場合にはその信頼度を下げること
を特徴とする操業事例の自動修正による学習方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP3209290A JPH0553604A (ja) | 1991-08-21 | 1991-08-21 | 操業事例の自動修正による学習方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP3209290A JPH0553604A (ja) | 1991-08-21 | 1991-08-21 | 操業事例の自動修正による学習方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH0553604A true JPH0553604A (ja) | 1993-03-05 |
Family
ID=16570500
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP3209290A Pending JPH0553604A (ja) | 1991-08-21 | 1991-08-21 | 操業事例の自動修正による学習方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH0553604A (ja) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009265697A (ja) * | 2008-04-21 | 2009-11-12 | Nippon Steel Corp | 操業支援装置、操業支援方法及びプログラム |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH028612A (ja) * | 1988-06-27 | 1990-01-12 | Babcock Hitachi Kk | 二系列以上の燃焼炉を有する燃焼装置の運転方法 |
| JPH03134704A (ja) * | 1989-10-20 | 1991-06-07 | Hitachi Ltd | 知識獲得方法並びにプロセス運転支援方法 |
-
1991
- 1991-08-21 JP JP3209290A patent/JPH0553604A/ja active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH028612A (ja) * | 1988-06-27 | 1990-01-12 | Babcock Hitachi Kk | 二系列以上の燃焼炉を有する燃焼装置の運転方法 |
| JPH03134704A (ja) * | 1989-10-20 | 1991-06-07 | Hitachi Ltd | 知識獲得方法並びにプロセス運転支援方法 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009265697A (ja) * | 2008-04-21 | 2009-11-12 | Nippon Steel Corp | 操業支援装置、操業支援方法及びプログラム |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US6625589B1 (en) | Method for adaptive threshold computation for time and frequency based anomalous feature identification in fault log data | |
| US9779361B2 (en) | Method for learning exemplars for anomaly detection | |
| JPH1074188A (ja) | データ学習装置およびプラント制御装置 | |
| JP3762840B2 (ja) | 類似事例に基づく予測を行う予測装置および方法 | |
| CN101187943A (zh) | 自动更新系统、自动更新方法及其程序 | |
| JPH0553604A (ja) | 操業事例の自動修正による学習方法 | |
| CN113377564A (zh) | 故障诊断方法、装置、计算机设备和存储介质 | |
| CN112418522A (zh) | 一种基于三支集成预测模型的工业加热炉钢温预测方法 | |
| JP2020140521A (ja) | 人的判断の予測装置、予測プログラム及び予測方法 | |
| JP2693302B2 (ja) | 自己修復システムを有する画像形成装置 | |
| WO1999004337A1 (en) | Code measure tool | |
| JP4440828B2 (ja) | 類似事例に基づく予測を行う予測装置および方法 | |
| KR100481914B1 (ko) | 지문 특징의 확률 모델을 이용한 지문 유사도 산출방법 | |
| JP2888125B2 (ja) | コークス工場の操業支援方法 | |
| JP2556214B2 (ja) | 高炉操業知識自動生成方法 | |
| JP2693324B2 (ja) | 自己修復システムを有する画像形成装置 | |
| JP2005302054A (ja) | 類似事例に基づく予測を行う予測装置および方法 | |
| JP2022095082A (ja) | プラント制御システム、プラント制御方法及びプログラム | |
| JP2693311B2 (ja) | 自己修復システムを有する画像形成装置 | |
| JPH0588896A (ja) | 操業知識の学習方法 | |
| JP2693307B2 (ja) | 自己修復システムを有する画像形成装置 | |
| JP2693309B2 (ja) | 自己修復システムを有する画像形成装置 | |
| JP2693313B2 (ja) | 自己修復システムを有する画像形成装置 | |
| JP2693323B2 (ja) | 自己修復システムを有する画像形成装置 | |
| JP2693301B2 (ja) | 自己修復システムを有する画像形成装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| FPAY | Renewal fee payment (prs date is renewal date of database) |
Year of fee payment: 10 Free format text: PAYMENT UNTIL: 20080515 |
|
| FPAY | Renewal fee payment (prs date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090515 Year of fee payment: 11 |
|
| FPAY | Renewal fee payment (prs date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100515 Year of fee payment: 12 |
|
| EXPY | Cancellation because of completion of term | ||
| FPAY | Renewal fee payment (prs date is renewal date of database) |
Year of fee payment: 12 Free format text: PAYMENT UNTIL: 20100515 |