JPH0588896A - 操業知識の学習方法 - Google Patents

Abstract

(57)【要約】 【目的】 蓄積操業データを検索して、蓄積操業データ
中の類似性をランダムに抽出すると共に、抽出された事
例に基づいて蓄積ルールを更新する。 【構成】 過去の操業事例を基に知識を自動生成する学
習方法において、蓄積操業データをランダムに検索し、
操業変数間のあらゆる類似性を抽出する。そして、抽出
された事例に基づいてルールを生成し、その生成ルール
と蓄積ルールとを比較して、蓄積ルールを追加し、矛盾
する蓄積ルールを削除し、或いは蓄積ルールを修正す
る。また、蓄積操業データは正規化して圧縮し、その正
規化された数値データを文字データ（４ビット）に変換
して複数個の文字データを１ワードに変換して格納す
る。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】この発明は、過去の操業データか
ら操業知識を自動獲得し操業を支援する学習方法、特
に、蓄積操業データをあらゆる操業面から検索し、蓄積
データ中の操業知識を洩れなく抽出する方法、及び蓄積
ルールをその時々の操業状態に合わせて最新かつ最適な
ルールに更新する方法に関する。

【０００２】

【従来の技術】図１３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のブロッ
ク図である。このエキスパートシステムにおいては、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に蓄積し、また、操業オペレータから獲得した知識
を知識ベースファイル３に予め登録している。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であること、
専門家といえども過去の事例をもとに問題解決を行うこ
とが多いこと、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あること等により、従来のエキ
スパートシステムの適用だけでは問題を解決することが
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、事例を一般化して知識を獲得する学習システ
ムが考えられるが、生成知識量は過去の操業データから
抽出されたルール化可能な事例数に依存する。そこで、
蓄積操業データ中のあらゆる類似性（ルール化可能な事
例）を抽出することが必要である。

【０００４】本発明は、このような状況に鑑みてなされ
たものであり、蓄積操業データをランダムに検索し、蓄
積操業データ中のあらゆる知識を抽出することを可能に
した蓄積操業データ中の類似性を抽出する方法及び蓄積
ルールの更新方法を提供することを目的とする。本発明
は、更に、蓄積操業データの演算処理の高速化を可能に
した蓄積操業データ中の類似性を抽出する方法を提供す
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】本発明の操業知
識の学習方法においては、例えば制御用計算機において
センサ情報をもとに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。蓄積事例の中には、同じ操
業ねらいに対して同様の操業アクションを行った時の高
炉の操業状態変化を表わすデータがある。これらはデー
タ間の類似した特徴量として存在する。そこで、蓄積事
例内の類似した特徴データを抽出し、これを人間が理解
できる形に一般化することでルールを自動的に獲得する
ことができる。過去の操業事例をあらゆる操業条件・操
業評価項目をもとに検索することで、蓄積データ中の可
能なかぎり多くの知識が抽出できる。つまり、本発明は
過去の操業事例を基づいて操業知識を自動生成する学習
方法において、蓄積操業データをランダムに検索し、操
業変数間のあらゆる類似性を抽出する。そして、抽出さ
れた事例に基づいてルールを生成し、その生成ルールと
蓄積ルールとを比較して、蓄積ルールを追加し、矛盾す
る蓄積ルールを削除し、或いは蓄積ルールを修正するこ
とによりルールを自動的に獲得する。

【０００６】また、本発明操業知識の学習方法において
は、蓄積操業データを正規化して圧縮し、その正規化さ
れた数値データを文字データに変換して複数個の文字デ
ータを１ワードに変換して記憶装置に格納するようにし
ている。例えば正規化データを４ビットデータに変換す
る。データ量が圧縮されているた分だけ多量のデータを
記憶装置に記憶させることができる。その結果、そのデ
ータを制御用計算機の主記憶装置に常駐させることがで
き、検索速度が飛躍的に向上し、また、データの比較に
おいても比較する桁数が少ないので演算処理の高速化も
図られている。

【０００７】

【実施例】図１は本発明の一実施例の蓄積操業データ中
の類似性をランダムに抽出する方法の処理方法の概要を
示したフローチャートである。 １１）まず、操業変数は操業の特徴を良く表すグループ
毎に分類し、システムにマニュアル登録しておく。 １２）そして、クラス選択・探索順決定処理として、前
述の処理で分類された操業クラスの任意の組み合わせ、
及びその順列を計算しあらゆる探索パターンを次の処理
である同様事例抽出処理に渡す。なお、ここで言うクラ
スとは特開平２−３０６３６４号公報にて詳細に説明し
てありここではその詳細は省略するが、類似事例を次元
空間における距離でグループに分けたものである。 １３）次に、同様事例抽出処理として、この探索パター
ンを用いて、蓄積操業データから類似事例を抽出する。

【０００８】１４）その類似事例を学習システムに入力
し、ルールを生成する。このルールの生成は特願平３−
１４４３５１号に詳しいが例えば次のように処理され
る。過去の操業データが操作変更量、操作変更前及び操
作変更後のセットで蓄積されており、操業条件、操業変
更前データ及び目標に関して同様の事例が蓄積データか
ら抽出されると、操業変更後のデータに基づいて目標に
対する良い例と悪い例の評価をし、その良い例と悪い例
ごとに、操作変更前と後のデータの正規化値の差分量を
もとに、ねらいに対する操作変更に影響のあったタグを
選択する。そして、蓄積データの構成タグ間にはそれぞ
れ因果関係があり、操業技術者の思考過程をモデル化し
たフローを用いて抽出された事例が目標概念に対する具
体例であることを証明し、操業データに基づいて演繹的
に生成したタグの事例について、操業変更のねらい毎に
設定された各タグの重要度による比較、及び類似的な意
味を表したタグの単一化により不要なタグを削除して冗
長性を排除し、残された各タグに対応した語句に基づい
てマクロルールを生成する。

【０００９】１５）上記のようにして生成したルールと
蓄積ルールとから必要に応じて蓄積ルールを変更する。 １６）以上の処理が終了すると、次の起動指令があるま
で待機し、指令があると上記の処理を繰り返す。上記の
１２）〜１５）はランダムルール生成処理と称される処
理であり、この処理の詳細を次に説明する。

【００１０】図２はランダムルール生成処理の詳細を示
したフローチャートであり、この図に基づいてその処理
方法を説明する。 ２１）同様事例の抽出基準日付を設定する。 ２２）計数ＭをＭ＝１に設定する。 ２３）クラスｍ個からＭ個を選択する組み合わせを計算
する。 ２４）計算された組み合わせの中から本処理で選択され
ていない組み合わせを一つ選ぶ。 ２５）選択されたＭ個のクラスの順列計算をする。 ２６）計算された順列の中から本処理で選択されていな
い順列を一つ選ぶ。 ２７）選択されたクラスとその順列を用いて、基準日付
のデータと同様な事例を抽出する。（詳細は図３にて後
述する。） ２８）抽出事例を学習システムに入力し、抽出事例を基
にルールを生成する。この点に関してその詳細は上述し
たとおりである。

【００１１】２９）蓄積ルール中に生成ルールと同一の
意味をもつルールが存在するかどうかを判断する。存在
しないと判断したときには蓄積ルールを変更し、クラス
Ｍ個の順列は全て選択されたかどうかを判断する。選択
されていない場合には上記の６）の処理に戻り、選択さ
れている場合には次の処理に進む。（詳細は図５にて後
述する。） ２９ａ）Ｍ個の組み合わせは全て選択されたかどうかを
判断する。選択されていない場合には上記の２４）の処
理に戻り、選択されている場合には次の処理に進む。 ２９ｂ）計数ＭをＭ＝Ｍ＋１として計数Ｍをインクリメ
ントする。 ２９ｃ）計数ＭをＭ＞ｍ（ｍは最大６程度である。）で
あるかどうかを判断し、この条件が成立していない時に
は上記の２３）の処理に戻り上述の処理を繰り返す。こ
の条件が成立したときには次の処理に進む。 ２９ｄ）同様事例の抽出基準日付を更新する。 ２９ｅ）次回の起動を待つ。

【００１２】図３は同様事例抽出処理（図２の７）の処
理）の処理方法を示したフローチャートであり、この図
に基づいてその処理方法を説明する。 ３１）まず、基準となる日付と同一操業ねらいの事例を
選択する。 ３２）そして、同一ねらいの事例について探索順１番目
のクラスの操業変数を用いた距離を計算する。 ３３）次に、探索順２番目のクラスの操業変数を用いた
距離を計算する。 ３４）同様にして探索順ｎ番目のクラスの操業変数を用
いた距離を計算する。 以上のようにして基準日付の事例に類似した同様事例を
抽出する。

【００１３】図４は同様事例を抽出する際の概念図であ
る。操業の特徴の優先度は同様事例の抽出処理のクラス
順で決定される。例えば第１選択で１０件とし、第２選
択で２件２事例を選択するとする。クラスＡの空間にお
いて１０事例を選択すると（ＡＢ１）、１，２，３，
４，５，６，７，８，９，１０の１０事例が選択され
る。次に、クラスＢの空間から２事例を選択すると（Ａ
Ｂ２）、５，７の事例が選択される。また、クラスＢの
空間において１０事例を選択すると（ＢＡ１）、１，
２，３，４，５，６，７，８，１０，１１の１０事例が
選択される。次に、クラスＡの空間から２事例を選択す
ると（ＢＡ２）、４，５の事例が選択される。このよう
にクラス順でその抽出事例が変化するので、上述のよう
に各クラス毎に抽出事例を求める。

【００１４】図５は生成ルール及び蓄積ルールの類似判
定の処理方法を示したフローチャートであり、この図に
基づいてその処理方法を説明する。 ５１）生成ルールに基づいて蓄積ルールを検索する。 ５２）蓄積ルールの中に、生成ルールと同一の操業変数
で構成されるルールがあるかどうかを判断する。無いと
判断したときには、生成ルールを新規ルールとして蓄積
ルールに追加する。有ると判断したときには次の処理に
進む。 ５３）同一操業変数のルールを選択する。 ５４）操業ねらい以外の変数の正規化値が全て同一値だ
が操業ねらいの評価が異なるルールがあるかどうかを判
断する。有ると判断したときには生成ルールは蓄積せ
ず、また、矛盾ルールを削除する。無いと判断したとき
には次の処理に進む。なお、正規化の処理については図
７に基づいてなされる。

【００１５】５５）操業ねらい変数・操作量変数の変化
方向が全て一致しているルールがあるかどうかを判断す
る。無いと判断したときには、生成ルールを新規ルール
として蓄積ルールに追加する。有ると判断したときに
は、次の処理に進む。 ５６）同一変化方向のルールを選択する。 ５７）ルールを構成する操業変数の正規化値が全て一致
するルールがあるかどうかを判断する。無いと判断した
ときには、生成ルールをもとに蓄積ルールを変更する。
生成ルールの操業変数のデータが蓄積ルールの範囲外の
ときには生成ルールのデータで範囲を拡張する。有ると
判断したときには同一な意味を持つルール有りとして扱
われる。

【００１６】図６は蓄積ルールの変更処理例を示す図で
ある。蓄積ルールが「操業条件」、「制約タグ」、「操
業ねらい」及び「操作量」から構成されており、それに
生成ルールを加味することで、変更後の蓄積ルールが生
成される。

【００１７】ここで、操業データの正規化処理について
説明する。蓄積された操業事例の各変数ごとに蓄積デー
タの平均値及び標準偏差を算出し、設定値ｎを用いて正
規化用しきい値をｎixσを算出し、図７に示すように、
操業データを−１〜＋１の範囲で正規化処理を行い、図
１の蓄積データ用フアイル６０に格納する。その際正規
化データは４ビットの文字データに置き換えることによ
りデータを圧縮し、制御用計算機の主記憶装置に常駐さ
せる。主記憶装置にはこの４ビットに圧縮された事例デ
ータと事例の日付及操業変数の重みデータを常駐させ
る。例えば１日に１事例、事例を構成する操業変数が１
０００項目、各事例は操業変更前後でデータを有し５０
００日分蓄積する場合には、主記憶装置に約５Ｍバイト
の記憶容量があればよいので、通常のパーソナルコンピ
ュータにより上述の実施例が対応できる。

【００１８】図８は蓄積データ用フアイル６０の蓄積デ
ータの格納状態を示す説明図である。図示のように、各
タグのデータは４ビットデータから構成されており、１
バイトには２個のタグのデータが格納される。図示のよ
うに、タグ数が１０００で、５０００日分のデータが格
納されると、そのデータ容量は２．５Ｍバイトとなり、
上述のように主記憶装置の容量は約５Ｍバイトのもので
足りる。このような４ビットデータに基づいて上述の距
離計算をするために蓄積データ等について次のよう定義
する。 過去の蓄積データ：ＩＮＴＥＧＥＲ＊１ ＩＤＡＴＡ
（５０００，５００） （なお、ＩＤＡＴＡ（５０００，５００）の「５００
０」は日付であり、「５００」はタグを意味してい
る。） 正規化データ：ＲＥＡＬ＊４ ＲＤＡＴＡ（９） ＤＡＴＡ ＲＤＡＴＡ／−１．０，−０．７５，−５，
−０．２５，０．０，０．２５，０．５，０．７５，
１．０ 現在データ：ＲＥＡＬ＊４ Ｘ（１０００） （なお、Ｘ（１０００）の「１０００」はタグを意味し
ている。）

【００１９】図９は上記の定義とデータの格納状態との
関係を示す説明図である。過去の蓄積データは正規化さ
れ更に４ビットの１〜９の整数として格納されるが、そ
の際例えば１日のタグ１のデータが「１」であるとＩＤ
ＡＴＡ（１，１）と表され、また、タグ２のデータが
「２」であるとＩＤＡＴＡ（１，２）と表され、１バイ
トの領域内にそれぞれ図示のように格納される。

【００２０】図１０は過去の蓄積データと現在データと
の距離計算をするときの処理を示すフローチャートであ
る。まず、対象となっているタグ番号が奇数かどうかを
判断する。例えばタグ番号が「１」のときにはタグ番号
が奇数であると判断され、ＩＤＡＴＡ（ｎ，Ｔ）を４ビ
ット右にシフトする。このようにして８ビットデータに
変換した後に、ＲＤＡＴＡ（ＩＤＡＴＡ（ｎ，Ｔ））を
用いて距離計算をする。この距離計算は次式による。

【００２１】

【数１】

【００２２】そして、予め設定されている指定タグ数分
を計算したかどうかを判定し、計算していなければ次の
タグについて計算する。次のタグ番号が「２」であると
偶数であると判断され、ＩＤＡＴＡ（ｎ，Ｔ）の上位４
ビットを０クリアし、８ビットデータに変換した後に、
ＲＤＡＴＡ（ＩＤＡＴＡ（ｎ，Ｔ））を用いて上式によ
り距離計算をする。

【００２３】なお、上記において正規化された操業デー
タを４ビットデータに変換した例について説明したが、
ここでデータを４ビットにした理由について説明する。
図１１は操業データの正規化データを２ビットデータに
置き換えて距離計算を行った場合の距離に対する事例数
を示す特性図である。また、図１２は操業データの正規
化データを４ビットデータに置き換えて距離計算を行っ
た場合の距離に対する事例数を示す特性図である。これ
らの図から明らかなように、２ビットデータでは距離計
算結果にバラツキが多く、距離が小さい順に設定個数の
事例を選択した場合には誤選択が多くなる。ところが、
４ビットデータにすると、図示のようにバラツキの少な
い結果が得られる。また、３ビットにすることも考えら
れるが、記憶装置を有効に使用することができないこと
から、上記のように正規化データを４ビットデータにし
ている。

【００２４】

【発明の効果】以上のようにこの発明によれば、蓄積操
業データをあらゆる角度から検索し類似性を抽出するこ
とができ、本処理結果をもとに抽出事例を一般化する学
習システムを用いることによりあらゆる定量的な操業知
識を自動獲得することができる。 また、本発明によれ
ば、蓄積操業データを正規化して圧縮し、その正規化さ
れた数値データを文字データ（例えば４ビット）に変換
して複数個の文字データを１ワードに変換して蓄積する
ようにしたので記憶容量が少なくて済み、従って、蓄積
操業データを計算機の主記憶装置内に常駐させることが
でき、事例検索に際してはそのデータを用いて行うので
処理時間が短くてすみ、また、この学習システムを用い
て操業ガイダスをした場合にはガイダンス要求から結果
出力までの処理時間を短縮することができる。

【図面の簡単な説明】

【図１】本発明の一実施例の蓄積操業データ中の類似性
をランダムに抽出する方法の処理方法の概要を示したフ
ローチャートである。

【図２】図１のランダムルール生成処理の詳細を示した
フローチャートである。

【図３】図２の同様事例抽出処理の処理方法を示したフ
ローチャートである。

【図４】同様事例抽出処理の概念図である。

【図５】生成ルール及び蓄積ルールの類似判定の処理方
法を示したフローチャートである。

【図６】蓄積ルールの変更例を示す図である。

【図７】正規化処理の説明図である。

【図８】蓄積データ用フアイルの蓄積データの格納状態
を示す説明図である。

【図９】過去の蓄積データの定義とデータの格納状態と
の関係を示す説明図である。

【図１０】過去の蓄積データと現在データとの距離計算
をするときの処理を示すフローチャートである。

【図１１】操業データの正規化データを２ビットデータ
に置き換えて距離計算を行った場合の距離に対する事例
数を示す特性図である。

【図１２】操業データの正規化データを２ビットデータ
に置き換えて距離計算を行った場合の距離に対する事例
数を示す特性図である。

【図１３】従来のエキスパートシステムのブロック図で
ある。

Claims (4)

【特許請求の範囲】
1. 【請求項１】 過去の操業事例を基に知識を自動生成す
   る学習システムにおいて、蓄積操業データをランダムに
   検索し、操業変数間のあらゆる類似性を抽出することを
   特徴とする蓄積操業データ中の類似性を抽出する方法。
2. 【請求項２】 請求項１記載の方法により抽出された事
   例に基づいてルールを生成し、その生成ルールと蓄積ル
   ールとを比較して、蓄積ルールを追加し、矛盾する蓄積
   ルールを削除し、或いは蓄積ルールを修正することを特
   徴とする蓄積ルールの自動更新方法。
3. 【請求項３】 蓄積操業データを正規化して圧縮し、そ
   の正規化された数値データを文字データに変換して複数
   個の文字データを１ワードに変換して格納する請求項１
   記載の蓄積操業データ中の類似性を抽出する方法。
4. 【請求項４】 文字データは４ビットデータからなる請
   求項３記載の蓄積操業データ中の類似性を抽出する方
   法。