JPH09258804A - 操業条件ガイダンス装置 - Google Patents

Abstract

(57)【要約】 【課題】 最適操業条件の発見，見直しに要するコスト
を低減でき，環境条件の変動のもとでも安定して良好な
操業が実現できる操業条件ガイダンス装置。 【解決手段】 本装置Ａは，データベース１に蓄積さ
れ，プロセス運転における運転条件と環境条件との組合
せである操業条件と，この操業条件下での操業状態の実
データとよりなる操業事例を用いて，ニューラルネット
ワークをトレーニングする学習部４と，トレーニング後
のニューラルネットワークの保持データを分析すること
により，所望の操業状態を実現可能な操業条件の範囲を
抽出する標準条件抽出部４ａと，操業条件の範囲が１つ
だけ存在するときはそのまま，複数存在するときはさら
にその中から，範囲の大きさ及び／又は抽出精度にもと
づいて１つを選択した上で，その１つの操業条件の範囲
をガイダンスする標準条件抽出部４ｂ及び標準条件ガイ
ダンス部５などを具備してなる。上記構成により，最適
操業条件の発見，見直しに要するコストが低減でき，環
境条件の変動のもとでも，安定して良好な操業が実現で
きる。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は，操業条件ガイダン
ス装置に係り，例えば圧延などのプロセスの運転におい
て，圧延機運転条件，およびロールやクーラント成分な
どの環境条件といった操業条件の決定および設定におい
て利用される操業条件ガイダンス装置に関するものであ
る。

【０００２】

【従来の技術】生産プロセスを高い効率で操業するため
には，優れた設備と優れた操業ノウハウの双方が必要で
ある。この内，操業ノウハウは，生産に従事するオペレ
ータやエンジニアが経験的に蓄積していくものである
が，近年のハードウエア，ソフトウエア両面におけるコ
ンピュータ技術の進歩を背景に， １．ノウハウの蓄積を支援するシステム ２．ノウハウの保存を支援するシステム の開発が試みられている。ノウハウの保存を支援するシ
ステムは，「知識ベースシステム」あるいは「エキスパ
ートシステム」と呼ばれるシステムである。このシステ
ムは，熟練者へのヒアリングや事例分析を通じてノウハ
ウをコンピュータ内に蓄積していこうとするものであ
り，これまでに様々な分野で数多くのシステムが開発，
実用化されている。これよりもニーズは強いものの開発
が困難であるのが，ノウハウの蓄積を支援するシステム
である。このシステムは，一般に「知識獲得支援システ
ム」あるいは「機械学習システム」と呼ばれ，事例を分
析して，その背後にある原理なり法則を発見する過程
を，コンピュータ上で実現しようとするものである。従
来は，主としてノウハウの保存を支援するシステムによ
り，操業条件ガイダンスを行っていた。具体的には，熟
練者に対して最適な操業条件をヒアリングし，標準操業
条件を決定する。そして，この標準操業条件をマニュア
ル化し，それをオペレータに表示していた。

【０００３】

【発明が解決しようとする課題】上記したような従来の
操業条件ガイダンス方法では，熟練者の知識の整理，検
証に多大な時間とコストがかかる上に，実用化およびメ
ンテナンスにもコストがかかる。また，標準操業条件の
前提となる環境の状態と現在の環境の状態との間に差が
ある場合，その差異を考慮して操業条件縮小方法をガイ
ダンスするような機能がないため，実運用において柔軟
性に欠ける。一方，ノウハウの蓄積を支援するシステム
として，特開平７−２９００６号公報に紹介されたニュ
ーラルネットワークの保持データ分析方法を利用するこ
とが考えられる。本発明は，上記事情に鑑みてなされた
ものであり，その目的とするところは，ノウハウの蓄積
を支援するシステムを具現化し，これにより最適操業条
件の発見，見直しに要するコストを低減するとともに，
さらに環境条件の変動の際にも，安定して良好な操業を
実現し得る操業条件ガイダンス装置を提供することであ
る。

【０００４】

【課題を解決するための手段】上記目的を達成するため
に第１の発明は，データベースに蓄積され，プロセス運
転における運転条件と環境条件との組合せである操業条
件と，該操業条件下での操業状態の実データとよりなる
操業事例を用いてニューラルネットワークをトレーニン
グするトレーニング手段と，上記トレーニング後のニュ
ーラルネットワークの保持データを分析することにより
所望の操業状態を実現可能な操業条件の範囲を抽出する
抽出手段と，上記抽出された操業条件の範囲が１つだけ
存在するときはそのまま，複数存在するときはさらにそ
の中から，範囲の大きさ及び／又は抽出精度に基づいて
１つを選択した上で，該１つの操業条件の範囲をガイダ
ンスする第１のガイダンス手段とを具備してなる操業条
件ガイダンス装置として構成されている。

【０００５】第２の発明は，データベースに蓄積され，
プロセス運転における運転条件と環境条件との組合せで
ある操業条件と，該操業条件下での操業状態の実データ
とよりなる操業事例を用いてニューラルネットワークを
トレーニングするトレーニング手段と，上記トレーニン
グ後のニューラルネットワークの保持データを分析する
ことにより所望の操業状態を実現可能な操業条件の範囲
を抽出する抽出手段と，ある環境条件が与えられたと
き，上記ある環境条件に対応する運転条件が存在する場
合には，上記抽出された操業条件の範囲の中から，該あ
る環境条件に対応する運転条件をガイダンスし，上記あ
る環境条件に対応する運転条件が存在しない場合には，
環境条件の変更をガイダンスする第２のガイダンス手段
とを具備してなる操業条件ガイダンス装置である。

【０００６】第３の発明は，データベースに蓄積され，
プロセス運転における運転条件と環境条件との組合せで
ある操業条件と，該操業条件下での操業状態の実データ
とよりなる操業事例を用いてニューラルネットワークを
トレーニングするトレーニング手段と，上記トレーニン
グ後のニューラルネットワークの保持データを分析する
ことにより所望の操業状態を実現可能な操業条件の範囲
を抽出する抽出手段と，上記抽出された操業条件の範囲
が１つだけ存在するときはそのまま，複数存在するとき
はさらにその中から，範囲の大きさ及び／又は抽出精度
に基づいて１つを選択した上で，該１つの操業条件の範
囲をガイダンスする第１のガイダンス手段と，ある環境
条件が与えられたとき，上記ある環境条件に対応する運
転条件が存在する場合には，上記抽出された操業条件の
範囲の中から，該ある環境条件に対応する運転条件をガ
イダンスし，上記ある環境条件に対応する運転条件が存
在しない場合には，環境条件の変更をガイダンスする第
２のガイダンス手段とを具備してなる操業条件ガイダン
ス装置である。

【０００７】第４の発明は，データベースに蓄積され，
プロセス運転における運転条件と環境条件との組合せで
ある操業条件と，該操業条件下での操業状態の実データ
とよりなる操業事例を用いてニューラルネットワークを
トレーニングするトレーニング手段と，上記トレーニン
グ後のニューラルネットワークの保持データを分析する
ことにより所望の操業状態を実現可能な操業条件の範囲
を抽出する抽出手段と，上記抽出された操業条件の範囲
が１つだけ存在するときはそのまま，複数存在するとき
はさらにその中から，範囲の大きさ及び／又は抽出精度
に基づいて１つを選択した上で，該１つの操業条件の範
囲をガイダンスする第１のガイダンス手段と，ある環境
条件が与えられたとき，上記ある環境条件に対応する運
転条件が存在する場合には，上記選択された１つの操業
条件の範囲の中から，該ある環境条件に対応する運転条
件をガイダンスし，上記ある環境条件に対応する運転条
件が存在しない場合には，環境条件の変更をガイダンス
する第３のガイダンス手段とを具備してなる操業条件ガ
イダンス装置である。

【０００８】

【発明の実施の形態】及び

【実施例】以下添付図面を参照して，本発明の実施の形
態及び実施例につき説明し，本発明の理解に供する。
尚，以下の実施の形態及び実施例は，本発明を具体化し
た一例であって，本発明の技術的範囲を限定する性格の
ものではない。ここに，図１は本発明の実施の形態及び
実施例に係る操業条件ガイダンス装置Ａの概略構成を示
す模式図，図２は本装置Ａの動作手順を示すフロー図，
図３は操業条件探索例を示す説明図，図４は３層ニュー
ラルネットの一例を示す説明図，図５は標準操業条件探
索手順を示すフロー図，図６は運転条件ガイダンス手順
を示すフロー図である。今，アルミ箔の圧延を例にとっ
て説明する。生産プロセスにおける操業条件は，大きく
分けて環境条件と運転条件との２種類がある。アルミ箔
圧延においては，ロールの研磨状態，クーラント油の成
分などが環境条件であり，プッシュアップ力，前方・後
方張力などが運転条件であると見なされる。運転条件
は，オペレータが随時直接介入できる変数であり，環境
条件は，その背景となるものである。

【０００９】圧延速度を最大限に向上させるためには，
次の２つのガイダンス機能が必要である。 １．最適環境条件のガイダンス機能：ロールの研磨仕
様，クーラント成分の標準条件を決定し，また，ロール
替えやクーラント成分計測／添加剤投入サイクルを決定
してオペレータ及びエンジニアにガイダンスする機能。 ２．最適運転条件のガイダンス機能：与えられた環境条
件のもとで最大限の速度を出すための圧延機運転条件を
オペレータにガイダンスする機能。 環境条件，運転条件は，操業標準としてマニュアル化
し，それに従って生産が行われるという状態が望ましい
が，後者の機能は，現在の環境条件がマニュアルに指定
されたものと異なる場合において，その条件下で最善の
操業を行うための運転条件を決定する問題をも含んでい
る。従って，このようなマニュアル化がどこまでできる
かが，生産現場の実力を計るための指標となる。

【００１０】しかし，実際には次のような困難がある。 １．数多くの変数の値の組合せの中から最も有効なもの
を発見するのは，人手では困難である。 ２．定期的に操業標準を見直し，その精度を確認すると
いうマニュアルのメンテナンス作業に多大なコストがか
かる。 本発明は，操業データを収集したデータベースと，それ
を用いた学習プログラムにより，上記の点を解決しよう
とするものである。理論的，解析的な知識が，最適操業
条件を定量的に決定するほどまでには十分には得られて
いないような場合，あるいは操業条件が現場固有のクセ
（設備，環境操業条件上の制約）に依存するような場合
に，とりわけ本発明は有効である。

【００１１】図１に示すごとく，本発明（第１〜第４の
発明）の実施の形態及び実施例に係る操業条件ガイダン
ス装置Ａは，主としてデータベース１に蓄積され，プロ
セス運転における運転条件と環境条件との組合せである
操業条件と，ガイダンス操業条件下での操業状態の実デ
ータとよりなる操業事例を用いてニューラルネットワー
クをトレーニングする学習部４の図示しないトレーニン
グ部（第１〜第４の発明のトレーニング手段に相当）
と，トレーニング後のニューラルネットワークの保持デ
ータを分析することにより，所望の操業状態を実現可能
な操業条件の範囲を抽出する学習部４の標準操業条件抽
出部４ａ（第１〜第４の発明の抽出手段に相当）と，こ
の抽出された操業条件の範囲が１つだけ存在するときは
そのまま，複数存在するときはさらにその中から，範囲
の大きさ及び／又は抽出精度に基づいて１つを選択した
上で，その１つの操業条件の範囲をガイダンスする学習
部４の標準操業条件選択部４ｂ及び標準操業条件ガイダ
ンス部５（いずれも第１，第３，第４の発明の第１のガ
イダンス手段に相当）と，ある環境条件が与えられたと
き，ある環境条件に対応する運転条件が存在する場合に
は，上記抽出された操業条件の範囲の中から，ある環境
条件に対応する運転条件をガイダンスし，ある環境条件
に対応する運転条件が存在しないばあいには，環境条件
の変更をガイダンスする運転条件ガイダンス部６（第
２，第３の発明の第２のガイダンス手段に相当），ある
いは，ある環境条件が与えられたとき，ある環境条件に
対応する運転条件が存在する場合には，上記選択された
操業条件の範囲の中から，ある環境条件に対応する運転
条件をガイダンスし，ある環境条件に対応する運転条件
が存在しないばあいには，環境条件の変更をガイダンス
する運転条件ガイダンス部６′（第４の発明の第３のガ
イダンス部に相当）とを具備してなる。尚，学習部４
は，後述するデータ評価部２と共に，操業条件探索処理
用コンピュータ７内に構築される。また，標準操業条件
ガイダンス部５及び運転条件ガイダンス部６（６′）は
同コンピュータ７内に構築されるか，あるいは独立のハ
ードウエアにて構築される。

【００１２】以下，図１，図２を参照して本装置Ａの動
作をステップＳ１，Ｓ２，…順に説明する。まずデータ
ベース１は，ロールショップＯａにおけるロール研磨デ
ータ，圧延機Ｏｂのクーラント成分の計測における添加
剤投入データ，操業管理システムＯｃの各コイルの圧延
実績データ等を蓄積する（Ｓ１）。次に，データ評価部
２は，データベース１に蓄積された各データに対して以
下の点に関する評価を行う（Ｓ２）。 １．信頼できるデータか？ ２．データの良否（見習うべき状態を表すデータかそれ
とも避けるべき状態を表するデータか）？

【００１３】最初の評価では，採取されたデータを操業
条件の探索処理に活用するか否かを判断する。ここで
は，「典型的な事例」に基づいて最適操業条件の探索を
行うこととし，例えば，圧延開始直後に箔が破断したよ
うな「特殊事例」は学習用のデータから除去することに
する。具体的には，圧延時間，圧延機稼働に対してしき
い値を設け，そのしきい値以下の時間しか圧延を行わな
かったコイルのデータは用いないことにする。また，オ
ペレータの手入力に依存するデータに関し，入力ミスの
疑いがあるものはこの段階で除去する。即ち，人間によ
る評価，確認，及び実績値と各平均実績値との乖離度合
いの評価に基づいて除去する。２番目の評価では，デー
タをいわゆる「正事例」と「負事例」のいずれかに分類
する。ここでは，高速で圧延できたコイルのデータが正
事例となり，高速で圧延できなかったコイルのデータが
負事例となる。高速圧延であるか否かは，予め高速／低
速の基準速度を指定しておき，圧延速度がそれを上回る
か，下回るかにより決定する。直観的には，正事例に典
型的で，負事例に非典型的な環境条件，および運転条件
が標準操業の候補となる。

【００１４】そのような条件を捜し出すために次に学習
部４により，学習処理を行う（Ｓ３）。この学習処理に
あたっては，前述した特開平７−２９００６号公報の方
法を用いる。簡単のため，ここでは図３に示すように操
業条件決定のための変数が２次元である場合を考える。
図中の○印は，高速圧延が実現できた事例，×印は実現
出来なかった事例を示す。まず，図４に示すような多層
ニューラルネットを用いて操業条件変数の値（ｘ１，ｘ
２）とその結果を表す変数ｚの値（高速圧延ならば１，
そうでなければ０）の対応関係を学習部４のトレーニン
グ部により学習させる。例えば，バックプロパゲーショ
ンと呼ばれる周知のアルゴリズムを用いることにより，
入力操業に図３中の○印，×印に対応する操業条件変数
（ｘ１，ｘ２）の値を入力すると，出力層のニューロン
に変数ｚの値（１か０か）が現れるようなニューラルネ
ットを生成することができる。前述した特開平７−２９
００６号公報では，このニューラルネットより，図３中
に示してあるような領域を発見し，「もし（ｘ１，ｘ
２）の値が領域Ｈ１またはＨ２またはＨ３内にあればｚ
の値は１」といったようなルールを出力する。

【００１５】このように，操業条件変数の値が１，２，
あるいは３個ぐらいまでならば人間の手により，ｚの値
が１である（即ち高速圧延が実現できる）ような操業条
件の範囲を見つけだすことができる。しかし，操業条件
を決定する変数の値がそれ以上になると人間の手でＨ
１，Ｈ２，Ｈ３のような領域を発見することは不可能に
なる。ここでは，学習後のニューラルネットを入力する
と，Ｈ１，Ｈ２，Ｈ３といった領域を自動的に発見する
ことができる。このためには，次のような操作が必要と
なる。即ち，学習用のデータＤを生成するデータ生成操
作，ニューラルネットを生成し，バックプロパゲーショ
ンによりニューラルネットの学習を行うニューラルネッ
ト生成操作，ルール抽出操作，生成されたルール例の中
から標準操業の候補を選ぶルール選択操作が必要であ
る。

【００１６】以下に図５を参照して，標準操作条件の検
索のための各操作についてステップＳ１１，Ｓ１２，…
順に詳述する。まず，学習用データ生成操作を行い，学
習用データベース３に蓄積する（Ｓ１１）。コイルのデ
ータは，シングル圧延かダブリング圧延か，特殊材料か
通常材料か，製品の厚み，パス，幅（パス番号とは，仕
上げ圧延か，仕上げ前の圧延かを区別する番号）により
類別される。各コイルには，（シングル／ダブリング圧
延識別子）−（材料識別子）−（製品厚み識別子）−
（パス番号）−（幅識別子）という分類コードが付与さ
れる。例えばＳ−ＨＧＢ−７０−５０−１６５１，製品
厚み７μ，幅１６５１ｍｍクラスのＨＧＢ材の仕上げパ
スシングル圧延のコイルである。このデータは，各分類
コードごとに分類されてデータベース１内に格納されて
いる。上記したデータ評価により，典型的な正，負事例
を抽出する。ある分類コードに属する正事例コイルの集
合をＰ，負事例のコイルの集合をＮとする。

【００１７】集合ＰおよびＮ内のコイルのそれぞれに対
し，コイルデータの中から，環境条件および運転条件に
関連したデータを抽出する。環境条件としては，クーラ
ントにおけるアルコール，エステル，水分の濃度，前回
計測あるいは添加剤投入時点からの経過時間，粘度な
ど，あるいは，ロール研磨における仕上げ粗度，クラウ
ン，径，最終工程での研磨作業時間，ロール研磨後の圧
延使用時間などのクーラント，ロール条件を抽出する。
運転条件としては，プッシュアップ力，前方・後方張
力，クーラントの流量と温度，ベンデイング，ＶＣロー
ル，形状制御パラメータを抽出する。ここで，簡単化の
ために，あるコイルの環境条件ベクトルをｘ，運転条件
ベクトルをｙ，正事例／負事例を表す変数をｚ（正事例
ならば１，負事例ならば０）とする。従って１つのコイ
ルに対して，ｘ，ｙ，ｚの３つのベクトルが対応する。

【００１８】次に，ｎ＝１とおいた後（Ｓ１２），ニュ
ーラルネットの生成操作を行う（Ｓ１３）。（ｘ，ｙ）
を入力，ｚを出力の教師データとしてバックプロパゲー
ションによりニューラルネットを学習させるにあたっ
て，ニューラルネットの構造を決定する必要がある。こ
こでは，３層のニューラルネットを用いることにする。
従って，中間層のニューロンの数ｎがニューラルネット
生成パラメータとなる。具体的に各々のニューラルネッ
トに対して，バックプロパゲーション学習を適用する
（Ｓ１４）。次にルール抽出操作を行う（Ｓ１５）。こ
のルールにおいては，高速圧延のために，ｘ，ｙがとる
べき値の範囲が指定される（以下単に領域と呼ぶ）。中
間層ｎ子のニューラルネットにおいて発見された領域
を，Ｈ１（ｎ），Ｈ２（ｎ），…，Ｈｍ_n （ｎ）とす
る。ｎ＝ｎ＋１とし（Ｓ１６），ｎが上限値Ｎになるま
で上記ステップＳ１３〜Ｓ１６をくり返す（Ｓ１７）。
尚，Ｎは予め設定しておいた値である。

【００１９】次に，ルール選択操作を行う（Ｓ１６）。
標準操業としては，上記ステップＳ１５で発見された領
域｛Ｈｉ（ｊ）｝の中から１つを選べばよい。直観的に
言えば，「典型的かつ高速圧延の再現性の高い領域」を
選びだせばよい。そのために，各領域Ｈｉ（ｊ）に対し
て次の評価指標の計算を行う。 １．サイズ：領域Ｈｉ（ｊ）に含まれる正事例の数 ２．精度：領域Ｈｉ（ｊ）に含まれる事例の数（正事例
の数と負事例の数との和）に対する正事例の数の比率 サイズが大きく，精度の高い領域が操業標準の候補とし
て好ましい。とりわけ，ここではサイズの大きい領域を
選ぶことにする。一般的に，サイズの小さい領域の方が
精度が高くなる傾向がある。しかし，サイズの小さい領
域は例外的な領域であることも多く，高速圧延の再現性
の観点から，ここではサイズにより重みを置いて領域の
選択を行う。尚，サイズは抽出された操業条件の範囲の
大きさに，また精度は抽出精度にそれぞれ相当する。

【００２０】ここに，領域の具体的な選択方法を述べ
る。領域｛Ｈｉ（ｊ）｝をサイズにより大きい順に並
べ，最大のものをとる。もし，一位，二位のもののサイ
ズが同じであれば，精度の高い方をとる。精度も同じで
あれば，中間層の数の小さい方をとる。それも同じであ
れば，ランダムに選ぶ。今，上記の基準で選択された領
域をＨ０とし，それを生成したニューラルネットをＮＮ
０で表すことにする。このニューラルネットＮＮ０が，
学習によって得られた知識であり，ガイダンス情報はこ
のニューラルネットＮＮ０から引き出される。操業標準
の候補は，領域Ｈ０の中心で与えられることにする。即
ち，領域Ｈ０に含まれる正事例の環境の平均，および運
転条件の平均を，環境条件，運転条件の標準とする。そ
して，これを標準操作条件として出力する（Ｓ１９）。

【００２１】次に，図６を参照して，与えられた環境条
件（ある環境条件に相当）のもとでの運転条件の決定を
行う場合について述べる。尚，この場合も上記図５のス
テップＳ１１〜Ｓ１７については共通であり，これらの
処理が既に行われているものとする。また一般的には，
領域Ｈの生成元となったニューラルネットＮＮ０を用い
て，入力の環境条件部分ｘをｘ′に固定し，出力ｚを最
大にするような，運転条件ｙを探索する必要がある。し
かし，ここでは，計算効率を考慮して次のような簡易方
法を用いることにする。まず，環境条件を入力し（Ｓ２
１），次にニューラルネットＮＮ０を用いて生成された
領域をＨ１，Ｈ２，…，Ｈｎ０で表す。そして，Ｈｉ，
ｉ＝１，２，…，ｎ０の中でｘ′に最も近い環境条件を
持つ領域Ｈ′を，次の距離関数を用いて探す（Ｓ２
２）。

【００２２】今，環境条件ベクトルｘと領域Ｈの環境条
件部分Ｈｘとの距離Ｄｉｓｔ（ｘ，Ｈｘ）を次のように
定義する。

【数１】

【００２３】即ち，点ｘの各成分の座標とＨｘをその成
分の領域に射影して得られる閉区間との距離の和で距離
を定義する。もし，環境条件がｘ′において，正事例で
ある（高速圧延が実現出来た例がある）ならば，距離Ｄ
ｉｓｔ（ｘ，Ｈｉ）＝０であるような領域Ｈｉが存在す
る。逆に，距離Ｄｉｓｔ（ｘ，Ｈｉ）＝０であるような
領域Ｈｉが存在しない場合は，環境条件ｘ′のまわりで
高速圧延が実現できた事例が無いことを意味している。
従って，上記のような領域Ｈｉがある場合には（Ｓ２
３），その運転条件（の平均）をガイダンス出力する
（Ｓ２４）。領域Ｈｉが存在しない場合には（Ｓ２
３），参照すべき高速圧延の事例が存在しないこと，お
よび環境条件の改善が必要であることをガイダンス出力
する（Ｓ２５）。

【００２４】上述したような事例にもとづくアプローチ
では，結果の成否は収集されたデータの量と質とに大き
く依存するため，探索された操業条件は必ずしも正しい
とは限らない。ガイダンスの通り実行して高速圧延が実
現できなかった場合は，現在の操業標準条件の「反例」
が得られたことになる。一般的に，反例があってはじめ
て新しい知識が得られたものとなり，その意味では，不
適切な操業は正しい操業条件の標準を求める上でも重要
である。実際には，操業条件に従って圧延を実施し，そ
の有効性（高速圧延ができたか否か）をオペレータに評
価させる。標準操業に従って圧延し，高速圧延が実現で
きた割合を「的中率」と呼ぶ。的中率が，予め与えられ
たしきい値以下の場合には，上述の手順で操業条件の探
索を，（新たに得られたデータを付け加えて）再度行
う。

【００２５】このように標準操業条件の精度（即ち的中
率）を観測し，基準値を下回った場合に探索処理を自動
起動することにより，標準の精度向上，維持が可能とな
る。尚，上記した例では，領域内に複数の点が含まれて
いる場合について一般化しているが，１点のみが含まれ
ている場合でもよい。また，運転条件のガイダンスに当
たっては，ある環境条件が与えられたとき，抽出された
操業条件の代わりに，運転条件ガイダンス部６′により
選択された操業条件の中から，対応する運転条件をガイ
ダンスさせてもよい。その場合は，探索範囲が狭くなる
ものの，探索時間が短くてすむ。以上のようにして，本
装置Ａでは，ノウハウの蓄積を支援するシステムを具現
化し，これにより最適操業条件の発見，見直しに要する
コストを低減すると共に，環境条件の変動のもとでも安
定して良好な操業が実現できる。

【００２６】

【発明の効果】本発明に係る操業条件ガイダンス装置
は，上記したように構成されているため，最適操業条件
の発見，見直しに要するコストが低減できると共に，環
境条件の変動のもとでも，安定して良好な操業が実現で
きる。

【図面の簡単な説明】

【図１】 本発明の実施の形態及び実施例に係る操業条
件ガイダンス装置Ａの概略構成を示す模式図。

【図２】 本装置Ａの動作手順を示すフロー図。

【図３】 操業条件探索例を示す説明図。

【図４】 ３層ニューラルネットの一例を示す説明図。

【図５】 標準操業条件探索手順を示すフロー図。

【図６】 運転条件ガイダンス手順を示すフロー図。

【符号の説明】

Ａ…操業条件ガイダンス装置 １…データベース ２…データ評価部 ３…学習用データ ４…学習部（トレーニング手段等を具備） ４ａ…標準操業条件抽出部（抽出手段に相当） ４ｂ…標準操業条件選択部（第１のガイダンス手段の一
部に相当） ５…標準操業条件ガイダンス部（第１のガイダンス手段
の一部に相当） ６…運転条件ガイダンス部（第２のガイダンス手段に相
当） ６′…運転条件ガイダンス部（第３のガイダンス手段に
相当）

Claims (4)

【特許請求の範囲】
1. 【請求項１】 データベースに蓄積され，プロセス運転
   における運転条件と環境条件との組合せである操業条件
   と，該操業条件下での操業状態の実データとよりなる操
   業事例を用いてニューラルネットワークをトレーニング
   するトレーニング手段と，上記トレーニング後のニュー
   ラルネットワークの保持データを分析することにより所
   望の操業状態を実現可能な操業条件の範囲を抽出する抽
   出手段と，上記抽出された操業条件の範囲が１つだけ存
   在するときはそのまま，複数存在するときはさらにその
   中から，範囲の大きさ及び／又は抽出精度に基づいて１
   つを選択した上で，該１つの操業条件の範囲をガイダン
   スする第１のガイダンス手段とを具備してなる操業条件
   ガイダンス装置。
2. 【請求項２】 データベースに蓄積され，プロセス運転
   における運転条件と環境条件との組合せである操業条件
   と，該操業条件下での操業状態の実データとよりなる操
   業事例を用いてニューラルネットワークをトレーニング
   するトレーニング手段と，上記トレーニング後のニュー
   ラルネットワークの保持データを分析することにより所
   望の操業状態を実現可能な操業条件の範囲を抽出する抽
   出手段と，ある環境条件が与えられたとき，上記ある環
   境条件に対応する運転条件が存在する場合には，上記抽
   出された操業条件の範囲の中から，該ある環境条件に対
   応する運転条件をガイダンスし，上記ある環境条件に対
   応する運転条件が存在しない場合には，環境条件の変更
   をガイダンスする第２のガイダンス手段とを具備してな
   る操業条件ガイダンス装置。
3. 【請求項３】 データベースに蓄積され，プロセス運転
   における運転条件と環境条件との組合せである操業条件
   と，該操業条件下での操業状態の実データとよりなる操
   業事例を用いてニューラルネットワークをトレーニング
   するトレーニング手段と，上記トレーニング後のニュー
   ラルネットワークの保持データを分析することにより所
   望の操業状態を実現可能な操業条件の範囲を抽出する抽
   出手段と，上記抽出された操業条件の範囲が１つだけ存
   在するときはそのまま，複数存在するときはさらにその
   中から，範囲の大きさ及び／又は抽出精度に基づいて１
   つを選択した上で，該１つの操業条件の範囲をガイダン
   スする第１のガイダンス手段と，ある環境条件が与えら
   れたとき，上記ある環境条件に対応する運転条件が存在
   する場合には，上記抽出された操業条件の範囲の中か
   ら，該ある環境条件に対応する運転条件をガイダンス
   し，上記ある環境条件に対応する運転条件が存在しない
   場合には，環境条件の変更をガイダンスする第２のガイ
   ダンス手段とを具備してなる操業条件ガイダンス装置。
4. 【請求項４】 データベースに蓄積され，プロセス運転
   における運転条件と環境条件との組合せである操業条件
   と，該操業条件下での操業状態の実データとよりなる操
   業事例を用いてニューラルネットワークをトレーニング
   するトレーニング手段と，上記トレーニング後のニュー
   ラルネットワークの保持データを分析することにより所
   望の操業状態を実現可能な操業条件の範囲を抽出する抽
   出手段と，上記抽出された操業条件の範囲が１つだけ存
   在するときはそのまま，複数存在するときはさらにその
   中から，範囲の大きさ及び／又は抽出精度に基づいて１
   つを選択した上で，該１つの操業条件の範囲をガイダン
   スする第１のガイダンス手段と，ある環境条件が与えら
   れたとき，上記ある環境条件に対応する運転条件が存在
   する場合には，上記選択された１つの操業条件の範囲の
   中から，該ある環境条件に対応する運転条件をガイダン
   スし，上記ある環境条件に対応する運転条件が存在しな
   い場合には，環境条件の変更をガイダンスする第３のガ
   イダンス手段とを具備してなる操業条件ガイダンス装
   置。