JPH10187228A

JPH10187228A - プラント運転支援装置

Info

Publication number: JPH10187228A
Application number: JP35473696A
Authority: JP
Inventors: Osamu Takara; 理高良
Original assignee: Toshiba Corp
Current assignee: Toshiba Corp
Priority date: 1996-12-20
Filing date: 1996-12-20
Publication date: 1998-07-14

Abstract

(57)【要約】【課題】操作員に対して的確なく推奨操作を提示して
運転支援する。【解決手段】運転操作作成部１３は、プラント状態推
定部１２により推定されたプラント状態とこのプラント
状態に対応する推奨操作作成知識情報を推奨操作データ
ベース部１７から抽出してこれらに基づいて推奨操作を
作成して操作員へ提示する一方、操作員が推奨操作を参
照して操作入力する。操作員操作認識部１４は、作成さ
れた推奨操作内容と操作員の操作入力内容との相違を認
識して操作認識情報を出力する。推奨操作作成知識学習
部１５は、操作認識情報と操作員の操作内容と推奨操作
作成知識情報から運転履歴データベース部１６を参照し
て推奨操作作成知識情報を学習して得られる学習された
推奨操作作成知識情報を推奨操作データベース部１７へ
格納する。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、プラントの運転を
支援するプラント運転支援装置に関する。

【０００２】

【従来の技術】図２２は、従来のプラント運転支援装置
の一例を示す構成図である。

【０００３】従来のプラント運転支援装置においては、
予め用意された操作方法の中からプラントの状態に適し
た操作方法を選択してプラントを操作するか、予め用意
された因果規則等を用いて操作方法を推論し、プラント
を操作していた。

【０００４】図示するプラント運転支援装置１００は、
プラントデータ収集部１１とプラント状態推定部１２と
推論部２２と知識データベース２３と運転操作作成部２
４とから構成されている。

【０００５】まず、プラントのプロセスデータがプラン
トデータ収集部１１によって収集され、プラント状態推
定部１２に渡される。プラント状態推定部１２では、収
集されたプラントデータを用いてプラント状態の推定が
される。推論部２２では、推定されたプラント状態によ
って知識データベース２３を参照して推論を実行して得
られる推奨すべき推奨操作を操作員へ提示する。操作員
は推奨操作とプラント状態を参照して自己の知識を活用
して実際の操作を決定し入力する。そして、運転操作作
成部２４から操作信号がプラント機器へ出力される。こ
のようにして操作員に推奨操作を示してプラント運転の
支援がされている。

【０００６】

【発明が解決しようとする課題】しかしながら、図２２
に示すプラント運転支援装置の知識データベース２３で
は、予め設計段階で想定される知識のみを格納してお
り、この知識のみではプラント状態に即した推論による
信頼性の高い的確な推奨操作を操作員へ提供することは
困難であるという問題がある。

【０００７】すなわち、上記設計段階に想定される知識
は限られており、プラントの状態は、実機を操作して初
めて得られるものである。また、プラントの状態は、多
岐で、かつ、刻々と変化するので最新のプラント状態と
過去の履歴とを考慮した知識が反映された推奨操作を操
作員へ提供する必要があった。従って、従来、操作員が
意図する操作と推奨操作との相違が多く、操作員への負
担が過大であった。

【０００８】そこで、本発明は、操作員に対して的確な
推奨操作を提示してプラント運転操作を支援するプラン
ト運転支援装置を提供することを目的とする。

【０００９】

【課題を解決するための手段】請求項１の発明は、プラ
ントからのデータをプラントデータとして収集するプラ
ントデータ収集部と、このプラントデータ収集部によっ
て収集されたプラントデータに基づいてプラントの状態
を推定するプラント状態推定部と、プラント状態に応じ
て推奨操作を推定して作成するために必要な知識やデー
タを推奨操作作成知識情報として格納する推奨操作デー
タベース部と、過去のプラント状態とその状態における
運転操作を運転履歴データとして格納する運転履歴デー
タベース部と、プラント状態推定部により推定されたプ
ラント状態とこのプラント状態に対応する推奨操作作成
知識情報を推奨操作データベース部を抽出してこれらに
基づいて推奨操作を作成して操作員へ提示する一方、操
作員が推奨操作を参照して操作入力する運転操作作成部
と、運転操作作成部によって作成された推奨操作内容と
操作員の操作入力内容との相違を認識して操作認識情報
を出力する操作員操作認識部と、操作認識情報と操作員
の操作内容と推奨操作作成知識情報から運転履歴データ
ベース部を参照して推奨操作作成知識情報を学習して得
られる学習された推奨操作作成知識情報を推奨操作デー
タベース部へ格納する推奨操作作成知識学習部とを設け
るようにしたものである。この手段によれば、運転操作
作成部によって作成された推奨操作内容を参照して操作
員が操作入力した内容に相違があるとき、前記推奨操作
の作成に用いた知識情報である推奨操作作成知識情報が
再学習される。これにより、推奨操作作成知識情報が一
律でなくプラント状態に応じて変更され、プラント状態
の状況変化にも対応して変更される。従って、推奨操作
内容と操作員の操作入力内容の差異が生じても次回には
ほぼ一致するので操作員へ提示される推奨操作が信頼で
きるものとなり、通常時操作員は推奨操作を信頼して操
作入力することができ操作員の負担が軽減され、さら
に、操作員の操作入力内容が的確なものとなる。

【００１０】請求項２の発明は、請求項１記載のプラン
ト運転支援装置において、推奨操作作成知識学習部は、
帰納学習により、推奨操作作成知識情報を学習して得ら
れる学習された推奨操作作成知識情報を推奨操作データ
ベース部へ格納するようにしたものである。この手段に
よれば、推奨操作内容とこれを参照して、操作員が行っ
た操作入力内容とに差異が確認されたとき今回用いた推
奨操作作成知識情報が再帰納学習され得られる学習結果
に変更される。この場合、帰納学習では、一般に、因果
規則の形成で記述されるので、推奨操作作成知識情報の
学習過程が理解しやすく、信頼性の高い因果規則が作成
される。従って、帰納学習された次回に用い推奨操作作
成知識情報が的確なものとすることができる。

【００１１】請求項３の発明は、請求項１記載のプラン
ト運転支援装置において、推奨操作作成知識学習部は、
ニューラルネットワークによって推奨操作作成知識情報
を学習して得られる学習された推奨操作作成知識情報を
推奨操作データベース部へ格納するようにしたものであ
る。この手段によれば、推奨操作内容とこれを参照して
操作員が行った操作入力内容とに差異が確認されたとき
今回用いた推奨操作作成知識情報がニューラルネットワ
ークによって再学習がされ得られる学習結果に変更され
る。この場合、ニューラルネットワークの学習では、帰
納学習で扱えない連続値を含む学習ができるので、きめ
細かな信頼性のある推奨操作の作成ができる。従って、
ニューラルネットワークにより学習された次回に用いる
推奨操作作成知識情報が的確なものとすることができ
る。

【００１２】請求項４の発明は、請求項１記載のプラン
ト運転支援装置において、推奨操作作成知識学習部は、
帰納学習によって推奨操作作成知識情報を学習して得ら
れる学習された第１推奨操作作成知識情報を作成する第
１推奨操作作成知識情報作成手段と、ニューラルネット
ワークによって推奨操作作成知識情報を学習して得られ
る第２推奨操作作成知識情報を作成する第２推奨操作作
成知識情報作成手段と、第１推奨操作作成知識情報と第
２推奨操作作成知識情報とに基づく学習された推奨操作
作成知識情報を推奨操作データベース部へ格納するよう
にしたことである。この手段によれば、帰納学習により
得られる第１推奨操作作成知識情報とニューラルネット
ワークの学習により得られる第２推奨操作作成知識情報
とから推奨操作作成知識情報が作成される。この場合、
両方の情報を利用して作成されるので、作成された推奨
操作作成知識情報が信頼性が高く的確なものとすること
ができる。

【００１３】請求項５の発明は、請求項４記載のプラン
ト運転支援装置において、推奨操作作成知識学習部は、
帰納学習された第１推奨操作作成知識情報とニューラル
ネットワークによる学習された第２推奨操作作成知識情
報との両方の推奨操作作成知識情報を評価して総合的な
推奨操作作成知識情報を作成して推奨操作データベース
部へ格納する手段を設けるようにしたものである。この
手段によれば、帰納学習により得られる第１推奨操作作
成知識情報とニューラルネットワークの学習により得ら
れる第２推奨操作作成知識情報とのそれぞれを評価して
総合的判断をして推奨操作作成知識情報が作成される。
この場合、両方の情報を利用し、かつ、評価に基づき作
成されるので、作成された推奨操作作成知識情報が信頼
性が高く的確なものとすることができる。

【００１４】請求項６の発明は、請求項４記載のプラン
ト運転支援装置において、推奨操作作成知識学習部は、
帰納学習された第１推奨操作作成知識情報とニューラル
ネットワークによる学習された第２推奨操作作成知識情
報との両方の推奨操作作成知識情報の内で、最先に得ら
れる推奨操作作成知識情報を最終的な推奨操作作成知識
情報として推奨操作データベース部へ格納する手段を設
けるようにしたものである。この手段によれば、帰納学
習を用いて行われる学習とニューラルネットワークを用
いて行われる学習との内でより速く学習が成功した方の
結果が用いられるため、より高速に学習結果による推奨
操作作成知識情報を得て迅速に変更することができる。

【００１５】請求項７の発明は、請求項４記載のプラン
ト運転支援装置において、推奨操作作成知識学習部は、
帰納学習をする第１推奨操作作成知識情報作成手段によ
る学習を実行し推奨操作作成知識情報の作成に成功すれ
ばこれを学習された推奨操作作成知識情報とする一方、
不成功の場合にニューラルネットワークによる第２推奨
操作作成知識情報作成手段による学習を実行して学習さ
れた推奨操作作成知識情報として推奨操作データベース
部へ格納する手段を設けるようにしたものである。この
手段によれば、帰納学習を用いて行われる学習の方がニ
ューラルネットワークを用いて行われる学習に比べて、
学習時間が短いことが多いので、帰納学習を用いて行わ
れる学習が成功すれば、より多くの場合により高速に学
習結果による推奨操作作成知識情報を得て迅速に変更す
ることができる。

【００１６】請求項８の発明は、請求項２記載のプラン
ト運転支援装置において、推奨操作作成知識学習部は、
帰納学習により得られる途中経過や最終学習結果の推奨
操作作成知識情報を格納し、次回に前回の途中経過や最
終学習結果の推奨操作作成知識情報に基づいて帰納学習
を行って得られる推奨操作作成知識情報を推奨操作デー
タベース部へ格納するようにしたものである。この手段
によれば、帰納学習を用いて行われる学習の途中経過ま
たは結果を次回の学習で利用できる形で保存しておき、
次回に利用するので次回の学習時に必要な学習時間が短
縮でき、また、信頼性のある推奨操作作成知識情報が作
成できる。

【００１７】請求項９の発明は、請求項３記載のプラン
ト運転支援装置において、推奨操作作成知識学習部は、
ニューラルネットワークの学習により得られる途中経過
や最終学習結果の推奨操作作成知識情報を格納し、次回
に前回の途中経過や最終学習結果の推奨操作作成知識情
報に基づいて帰納学習を行って得られる推奨操作作成知
識情報を推奨操作データベース部へ格納するようにした
ものである。この手段によれば、ニューラルネットワー
クを用いて行われる学習の途中経過または結果を次回の
学習で利用できる形で保存しておき、次回に利用するの
で次回の学習時に必要な学習時間が短縮でき、また、信
頼性のある推奨操作作成知識情報が作成できる。

【００１８】請求項１０の発明は、請求項４乃至請求項
７記載のいずれかのプラント運転支援装置において、推
奨操作作成知識学習部は、学習の途中経過や最終学習結
果の推奨操作作成知識情報を格納し、次回に前回の途中
経過や最終学習結果の推奨操作作成知識情報を利用する
ようにしたものである。この手段によれば、帰納学習を
用いて行われる学習の途中経過または結果とニューラル
ネットワークを用いて行われる学習の途中経過または結
果を次回のそれぞれの学習で利用できる形で保存してお
き次回利用するので、次回のそれぞれの学習時に必要な
学習時間が短縮でき、また、信頼性の高い推奨操作作成
知識情報が作成できる。

【００１９】

【発明の実施の形態】以下、本発明の実施の形態につい
て図面を参照して説明する。

【００２０】図１は、本発明の第１実施の形態を示すプ
ラント運転支援装置の構成図である。

【００２１】第１実施の形態りプラント運転支援装置１
００Ａは、プラントデータ収集部１１とプラント状態推
定部１２と運転操作作成部１３と操作員操作認識部１４
と推奨操作作成知識学習部１５と運転履歴データベース
部１６と推奨操作データベース部１７とから構成されて
いる。

【００２２】ここで、プラントデータ収集部１１は、プ
ラントからのデータをプラントデータとして収集するも
のである。プラント状態推定部１２は、プラントデータ
収集部１１によって収集されたプラントデータに基づい
てプラントの状態を推定するものである。運転操作作成
部１３は、プラント状態推定部１２により推定されたプ
ラント状態とこのプラント状態に対応する推奨操作作成
知識情報を推奨操作データベース部１７を抽出してこれ
らに基づいて推奨操作を作成して操作員へ提示する一
方、操作員が推奨操作を参照して操作入力するものであ
る。操作員操作認識部１４は、運転操作作成部１３によ
って作成された推奨操作内容と操作員の操作入力内容と
の相違を認識して操作認識情報を出力するものである。

【００２３】推奨操作作成知識学習部１５は、操作認識
情報と操作員の操作内容と推奨操作作成知識情報から運
転履歴データベース部１６を参照して推奨操作作成知識
情報を学習して得られる学習された推奨操作作成知識情
報を推奨操作データベース部１７へ格納するものであ
る。運転履歴データベース部１６は、過去のプラント状
態とその状態における運転操作を運転履歴データとして
格納するものである。推奨操作データベース部１７は、
プラント状態に応じて推奨操作を推定して作成するため
に必要な知識やデータを推奨操作作成知識情報として格
納するものである。

【００２４】まず、プラントデータの収集が、図２に示
す処理手順によって、プラントデータ収集部１１によっ
て行われ、プラントデータの収集がデータ毎に予め定め
られた周期で行われる（Ｓ１）。そして、同じ時刻で収
集されたデータが一つのパケットにまとめられて受信さ
れる（Ｓ２）。受信されたパケットはそのフォーマット
に応じて個々のプラントデータに展開し、図示しないプ
ラントデータ格納エリアに格納する（Ｓ３，Ｓ４）。

【００２５】次に、プラント状態推定部１２によって、
図３に示す処理が実行され、プラントデータ収集部１１
からプラントデータが読み込まれる（Ｓ１１）。続い
て、読み込まれたプラントデータについて順次、複数の
状態推定知識を選択して適用して推定を実行する（Ｓ１
２，Ｓ１３）。推定が得られると結果を保存し全ての状
態推定知識が適用されるまで繰返し実行される（Ｓ１
４）。

【００２６】プラント状態推定部１２は、例えば、プラ
ントのある回転機器の回転数の変化が一定以上であれば
「回転数急上昇」と判断するなどといったように、プラ
ントデータ収集部１１によって収集されたデータをある
基準に照らし合わせて抽象化し、プラントの各部分の状
態および全体の状態を判断して格納する。

【００２７】次に、運転操作作成部１３によって、図４
に示す処理が実行され、プラント状態推定部１２より推
定されたプラント状態が読み込まれる（Ｓ２１）。続い
て、複数の状態推定知識である推奨操作作成知識情報を
適用して順次推定を実行する（Ｓ２２，Ｓ２３）。推定
が得られると結果を保存し、全ての状態推定知識である
推奨操作作成知識情報をが適用し繰返し実行する（Ｓ２
４）。

【００２８】これによって、運転操作作成部１３では、
プラント状態推定部１２によって推定された現在のプラ
ント状態における最適な運転操作手順である推奨操作を
作成する。この手順の作成に当たっては、現在のプラン
ト状態において適用可能な推奨操作作成知識の全てが適
用される。

【００２９】次に、図５に示す操作員操作認識部１４の
処理がされ、運転操作作成部１３から推奨操作が読み込
まれ、さらに、操作員の操作が記録され取り込まれる
（Ｓ３１，Ｓ３２）。ここで、操作員へ提示された推奨
操作と実際に行った操作員の操作とから比較され両者に
差異があるとき得られる差異が保存される（Ｓ３３，Ｓ
３４）。

【００３０】これにより、操作員操作認識部１４では、
運転操作作成部１３によって作成／提示された推奨運転
操作手順とプラント操作員が実際に行なった運転操作手
順とが比較され、両者が同等な手順でないと判断されれ
ば、その差異が記録され推奨操作作成知識学習部１５が
起動される。

【００３１】次に、図６に示す推奨操作作成知識学習部
１５の処理がされ、操作員操作認識部１４から差異の通
知があると運転操作作成部１３から推奨操作が読み込ま
れる（Ｓ４１）。さらに、運転操作作成部１３から推奨
操作を参照して操作員が行った操作から読み込まれる
（Ｓ４２）。続いて、プラント状態推定部１２によって
推定されたプラント状態と、この状態と同様の場合の過
去の運転履歴データが運転履歴データベース部１６から
取り込まれる（Ｓ４３）。そして、推奨操作作成知識学
習部１５によりこれらの各情報に基づいて学習エンジン
が起動され、学習結果が推奨操作データベース部１７へ
保存される（Ｓ４４）。

【００３２】このように第１実施の形態によれば、運転
操作作成部によって作成された推奨操作内容を参照して
操作員が操作入力した内容に相違があるとき、推奨操作
の作成に用いた知識情報である推奨操作作成知識情報が
再学習される。これにより、推奨操作作成知識情報が一
律でなくプラント状態に応じて変更され、プラント状態
の状況変化にも対応して変更される。従って、推奨操作
内容と操作員の操作入力内容の差異が生じても、次回に
はほぼ一致するので操作員へ提示される推奨操作が信頼
できるものとなり、通常時操作員は推奨操作を信頼して
操作入力することができ操作員の負担が軽減され、さら
に、操作員の操作入力内容が的確なものとなる。

【００３３】図７は、本発明の第２実施の形態における
推奨操作作成知識学習部の処理の流れを示すものであ
る。

【００３４】第２実施の形態は、帰納学習を用いて学習
し、得られる推奨操作作成知識情報を推奨操作データベ
ース部１７へ格納して常にプラント状態に応じた信頼性
の高い推奨操作作成知識情報とした点に特徴を有してい
る。

【００３５】まず、推奨操作作成知識学習部１５は図７
に示すように操作員操作認識部１４により推奨操作と操
作員の操作について差異が認識され、その旨通知を受け
ると運転操作作成部１３から推奨操作と操作員の操作が
各読み込まれる（Ｓ５１，Ｓ５２）。さらに、運転操作
作成部１３からそのときのプラント状態が読み込まれる
（Ｓ５３）。そして、読み込まれたプラント状態とほぼ
同じ状態の推奨操作作成知識情報が推奨操作データベー
ス部１７から読み込まれる一方、過去の運転履歴データ
が運転履歴データベース部１６から読み込まれる（Ｓ５
４，Ｓ５５）。次に、プラント状態の特徴が抽出され、
抽出されたプラント状態の特徴に基づいて推奨操作の作
成に直接関与した推奨操作作成知識情報が抽出される
（Ｓ５６，Ｓ５７）。

【００３６】さらに、抽出された推奨操作作成に直接関
与した知識と抽出されたプラント状態の特徴との比較が
され、違いのある条件項目が選別される（Ｓ５８）。こ
れにより、違いのある条件項目の特徴値により新たな推
奨操作作成知識が作成され、これが推奨操作データベー
ス部１７へ保存される。（Ｓ５９，Ｓ６０）。

【００３７】この実施の形態では、推奨操作作成知識
が、例えば、以下のように因果規則の形式で記述されて
いる。ＩＦ（条件Ａ）ＡＮＤ（条件Ｂ）ＴＨＥＮ推奨操作はＣ

【００３８】ここで、帰納学習による簡単な例を図８に
示すプラントに適用して説明する。

【００３９】図８において、上流側のバルブＡ２５を介
して液体がタンクＡ２６に貯えられ、タンクＡ２６に連
なる下流側のタンクＢ２８へバルブＢ２７を介して流体
が貯えられるように構成されている。このようなプラン
トを対象として帰納学習をするとして、図１に示す推奨
操作データベース部１７には、次の、知識データベース
のルール（１）があるとする。

【００４０】ＩＦ（タンクＡの水位＞１００）ＴＨＥＮ（バルブＢの開度５０％）ＡＮＤ（バルブＡの開度１００％）・・・（１）ＡＮＤ（バルブＢの開度０％）

【００４１】一方、プラント状態推定部１２からのプラ
ント状態が上記条件部とすると、操作員に対して上記条
件部と推論部の内容が提示される。これに対して、操作
員が上記推論部（バルブＢの開度５０％）を参照し、さ
らに、自己の知識を活用した結果、実際に（バルブＡの
開度５０％）となる操作をすると操作信号が運転操作作
成部１３へ入力される。

【００４２】操作員操作認識部１４では、操作員の操作
「バルブＡの開度５０％」に対して、運転操作作成部１
３によって作成した推奨操作「バルブＢの開度５０％」
の不一致を認識してその差異が推奨操作作成知識学習部
１５へ通知される。

【００４３】これにより、推奨操作作成知識学習部１５
が両操作の相違とプラント状態と運転履歴データベース
部１６の過去の履歴データを参照して学習をする。この
結果、当初の知識データベースのルール（１）では、タ
ンクＢ２８の水位を考慮して推論していないことが判
る。そこで、両操作の相違が生じる要因を学習し、しか
も、タンクＢ２８の水位に応じてバルブＡ２５またはバ
ルブＢ２７の操作が異なることを学習する。

【００４４】この結果によって、次の知識データベース
のルール（２），（３）が作成され、推奨操作データベ
ース部１７へ格納される。

【００４５】ＩＦ（タンクＡの水位＞１００）ＴＨＥＮ（バルブＢの開度５０％）ＡＮＤ（バルブＡの開度１００％）・・・（２）ＡＮＤ（バルブＢの開度０％）ＡＮＤ（タンクＢの水位＜３０％）ＩＦ（タンクＡの水位＞１００）ＴＨＥＮ（バルブＡの開度５０％）ＡＮＤ（バルブＡの開度１００％）・・・（３）ＡＮＤ（バルブＢの開度０％）ＡＮＤ（タンクＢの水位＞３０％）

【００４６】推奨操作データベース部１７へ格納された
推奨操作作成知識情報である知識データベース（２），
（３）は、次の操作員の操作時にプラント状態が一致す
れば（条件部）、推論部の内容が推奨操作として運転操
作作成部１３へ取り込まれ操作員に提示される。

【００４７】このように第２実施の形態によれば、推奨
操作内容とこれを参照して、操作員が行った操作入力内
容とに差異が確認されたとき今回用いた推奨操作作成知
識情報が再帰納学習され得られる学習結果に変更され
る。この場合、帰納学習では、一般に、因果規則の形成
で記述されるので、推奨操作作成知識情報の学習過程が
理解しやすく、信頼性の高い因果規則が作成される。従
って、帰納学習された次回に用い推奨操作作成知識情報
が的確なものとすることができる。

【００４８】図９は、本発明の第３実施の形態における
推奨操作作成知識学習部の処理の流れを示すものであ
る。

【００４９】第３実施の形態は、推奨操作作成知識学習
部１５によりニューラルネットワークを用いて学習し、
得られる推奨操作作成知識情報を推奨操作データベース
部１７へ格納して信頼性の高い推奨操作作成知識情報に
よって的確な推奨操作を操作員へ提示するようにした点
に特徴を有している。

【００５０】まず、推奨操作作成知識学習部１５は、図
９に示すように操作員操作認識部１４により推奨操作と
操作員の操作に差異が認識され、その旨通知を受けると
運転操作作成部１３から推奨操作と操作員の操作が各読
み込まれる（Ｓ６１，Ｓ６２）。さらに、運転操作作成
部１３からそのときのプラント状態が読み込まれる（Ｓ
６３）。そして、読み込まれたプラント状態とほぼ同じ
状態の推奨操作作成知識が推奨操作データベース部１７
から読み込まれる一方、過去の運転履歴データが運転履
歴データベース部１６から読み込まれる（Ｓ６４，Ｓ６
５）。

【００５１】次に、複数の運転履歴データから一つのパ
ターンを選択してニューラルネットワークへ入力し全て
の運転履歴データをニューラルネットワークへ入力する
（Ｓ６６，Ｓ６７）。続いて、読み込まれたプラント状
態と推奨操作とをニューラルネットワークへ入力し、さ
らに、プラント状態と操作員の操作とがニューラルネッ
トワークへ入力される（Ｓ６８，Ｓ６９）。この結果、
運転履歴データと推奨操作と操作員の操作を教示として
ネットワーク上の各ノードの重み関数が決定され学習が
される。学習結果は推奨操作作成知識情報として推奨操
作データベース部１７へ保存される（Ｓ７０）。

【００５２】このように推奨操作作成知識の学習は、現
在のプラント状態をニューラルネットワークに入力し、
ニューラルネットワークの出力側である推奨操作に対し
て現在のプラント状態と同様な状態での過去の運転操作
履歴と推奨運転操作と操作員が実際に行なった操作を用
いて教示を行い、ニューラルネットワーク上の各ノード
の重み関数の係数を決定する。決定された重み関数の値
を上記の因果規則の形式で記述し、その条件を推奨操作
を生成した推奨操作作成知識の条件部分に追加すること
により行なわれる。

【００５３】図１０はニューラルネットワークによる学
習をする簡単な例を説明する図である。

【００５４】図において、図８のプラントに対応してニ
ューラルネットワークを形成し、入力層Ｘ１：バルブＡ開度０％Ｘ２：バルブＡ開度５０％Ｘ３：バルブＡ開度１００％Ｘ４：バルブＢ開度０％Ｘ５：バルブＢ開度５０％Ｘ６：バルブＢ開度１００％Ｘ７：タンクＡの水位＞１００Ｘ８：タンクＡの水位≦１００Ｘ９：タンクＢの水位＞３０Ｘ１０：タンクＢの水位≦３０としている。

【００５５】また、出力層Ｙ１：バルブＡ開度０％Ｙ２：バルブＡ開度５０％Ｙ３：バルブＡ開度１００％Ｙ４：バルブＢ開度０％Ｙ５：バルブＢ開度５０％Ｙ６：バルブＢ開度１００％としている。

【００５６】まず、当初、入力層Ｘ３（バルブＡ開度１
００％）、入力層Ｘ４（バルブＢ開度０％）、入力層Ｘ
７（タンクＡの水位１００）、入力層Ｘ９（タンクＢの
水位＞３０）の各入力層へ「１」が入力されているとき
各リンクＭｉが重み付けされ、出力層Ｙ５（バルブＢ開
度５０％）から「１」が出力されるようになっていると
する。

【００５７】図１において、プラント状態推定部１２に
よって推定されたプラント状態のとき推奨操作データベ
ース部１７から図１０の条件のときの推奨操作として
「バルブＢ開度５０％」が運転操作作成部１３へ取り込
まれ、操作員へ提示される。なお、図示黒丸が「１」を
示している。これに対して、上記推奨操作を考慮して自
己の知識を加えて実際に「バルブＡ開度５０％」となる
操作をすると操作信号が運転操作作成部１３へ入力され
る。操作員操作認識部１４では、両者の操作を認識と運
転履歴データのデータからこれらを教示データとして通
知される。これにより、推奨操作作成知識学習部１５内
の図１０の各リンクＭｉの重み付けが教示データにより
変更され、図１１に示すように出力層Ｙ２が「１」とし
て出力され、推奨操作として「バルブＡ開度５０％」が
推奨操作データベース部１７へ出力される。

【００５８】このように第３実施の形態によれば、推奨
操作内容とこれを参照して操作員が行った操作入力内容
とに差異が確認されたとき今回用いた推奨操作作成知識
情報がニューラルネットワークによって再学習がされ得
られる学習結果に変更される。この場合、ニューラルネ
ットワークの学習では、帰納学習で扱えない連続値を含
む学習ができるので、きめ細かな信頼性のある推奨操作
の作成ができる。従って、ニューラルネットワークによ
り学習された次回に用いる推奨操作作成知識情報が的確
なものとすることができる。

【００５９】図１２は、本発明の第４実施の形態を示す
プラント運転支援装置の構成図である。

【００６０】図１２において、第１実施の形態を示す図
１と同一符号は、相当部分または同一部分を示し、第４
実施の形態は、推奨操作作成知識学習部１５Ｂ内に帰納
学習手段３１とニューラルネット学習手段３２とを備え
ている点に特徴を有する。

【００６１】ここで、帰納学習手段３１は、帰納学習に
より推奨操作作成知識情報を学習して得られる学習され
た推奨操作作成知識情報を推奨操作データベース部１７
へ格納するものである。ニューラルネット学習手段３２
は、ニューラルネットにより推奨操作作成知識情報を学
習して売られる学習された推奨操作作成知識情報を推奨
操作データベース部１７へ格納するものである。

【００６２】このように第４実施の形態によれば、帰納
学習により得られる第１推奨操作作成知識情報とニュー
ラルネットワークの学習により得られる第２推奨操作作
成知識情報とから推奨操作作成知識情報が作成される。
この場合、両方の情報を利用して作成されるので、作成
された推奨操作作成知識情報が信頼性が高く的確なもの
とすることができる。

【００６３】図１３は、本発明の第５実施の形態におけ
る推奨操作作成知識学習部の処理の流れを示すものであ
る。

【００６４】第５実施の形態は、帰納学習手段３１とニ
ューラルネット学習手段３２の両学習手段の学習結果を
評価して総合的な結果を推奨操作作成知識情報に反映す
るようにした点に特徴を有する。

【００６５】まず、推奨操作作成知識学習部１５Ｂは、
図１３に示すように操作員操作認識部１４により推奨操
作と操作員の操作の差異が認識され、その旨通知を受け
ると運転操作作成部１３から推奨操作と操作員の操作が
各読み込まれる（Ｓ７１，Ｓ７２）。さらに、運転操作
作成部１３がそのときのプラント状態が読み込まれる
（Ｓ７３）。

【００６６】続いて、第２実施の形態と同様にして帰納
学習手段３１が起動され帰納学習がされる一方、第３実
施の形態と同様にニューラルネット学習手段３２が起動
され学習がされる（Ｓ７４，Ｓ７５）。これによって、
得られた各学習結果が評価される（Ｓ７６）。

【００６７】評価に当たっては、各学習において定めら
れる評価関数が参照され、総合的に判断して学習結果を
得るようにする。得られた学習結果は、推奨操作作成知
識情報として推奨操作データベース部１７へ保存される
（Ｓ７７）。これにより、帰納学習を用いて行われる学
習の結果とニューラルネットワークを用いて行われる学
習の結果の両方を評価して総合的な学習結果を作成する
ことができる。

【００６８】このように第５実施の形態によれば、帰納
学習により得られる第１推奨操作作成知識情報とニュー
ラルネットワークの学習により得られる第２推奨操作作
成知識情報とのそれぞれを評価して総合的判断をして推
奨操作作成知識情報が作成される。この場合、両方の情
報を利用し、かつ、評価に基づき作成されるので、作成
された推奨操作作成知識情報が信頼性が高く的確なもの
とすることができる。

【００６９】図１４は、本発明の第６実施の形態におけ
る推奨操作作成知識学習部の処理の流れを示すものであ
る。

【００７０】第６実施の形態は、帰納学習手段３１とニ
ューラルネット学習手段３２とを起動させ帰納学習が先
に終了したとき帰納学習の結果を推奨操作作成知識情報
とする一方、ニューラルネットワーク学習が先に終了し
たときニューラルネットワークの結果を推奨操作作成知
識情報として高速に学習させる点に特徴を有している。

【００７１】まず、推奨操作作成知識学習部１５Ｂは、
図１４に示すように操作員操作認識部１４により推奨操
作と操作員の操作に差異が認識され、その旨通知を受け
ると運転操作作成部１３から推奨操作と操作員の操作が
各読み込まれる（Ｓ８１，Ｓ８２）。さらに、運転操作
作成部１３によってプラント状態が読み込まれる（Ｓ８
３）。

【００７２】続いて、第２実施の形態と同様の処理をす
る帰納学習手段３１が起動され学習がされる一方、第３
実施の形態と同様の処理をするニューラルネット学習手
段３２が起動され学習がされる（Ｓ８４，Ｓ８５）。こ
の場合に、帰納学習手段３１による帰納学習が先に終了
すれば帰納学習の結果が最終結果として保存する（Ｓ８
７，Ｓ８９）。一方、ニューラルネットによる学習が先
に終了すれば、これを最終結果として保存する（Ｓ８
８，Ｓ８９）。これにより、両学習手段の内いち早く学
習を終えた方の学習結果が推奨操作作成知識に反映され
る。

【００７３】このように第６実施の形態によれば、帰納
学習を用いて行われる学習とニューラルネットワークを
用いて行われる学習との内でより速く学習が成功した方
の結果が用いられるため、より高速に学習結果による推
奨操作作成知識情報を得て迅速に変更することができ
る。

【００７４】図１５は、本発明の第７実施の形態におけ
る推奨操作作成知識学習部の処理の流れを示すものであ
る。

【００７５】第７実施の形態は、帰納学習手段３１を起
動させ帰納学習が成功したとき帰納学習の結果を推奨操
作作成知識情報とする一方、帰納学習が不成功のときニ
ューラルネット学習手段３２を起動してニューラルネッ
トワークの結果を推奨操作作成知識情報として高速に学
習させる点に特徴を有している。

【００７６】まず、推奨操作作成知識学習部１５Ｂは図
１５に示すように、操作員操作認識部１４により推奨操
作と操作員の操作に差異が認識され、その旨通知を受け
ると運転操作作成部１３から推奨操作と操作員の操作が
各読み込まれる（Ｓ９１，Ｓ９２）。さらに、運転操作
作成部１３によりプラント状態が読み込まれる（Ｓ９
３）。

【００７７】続いて、第２実施の形態と同様の処理をす
る帰納学習手段３１が起動され学習がされる（Ｓ９
４）。この場合に帰納学習手段３１による帰納学習が成
功すれば帰納学習の結果が最終結果として保存する（Ｓ
９６，Ｓ９９）。

【００７８】一方、帰納学習が失敗すればニューラルネ
ットによる学習が起動され、これを最終結果として保存
する（Ｓ９５，Ｓ９７〜Ｓ９９）。

【００７９】このように第７実施の形態によれば、帰納
学習を用いて行われる学習の方がニューラルネットワー
クを用いて行われる学習に比べて、学習時間が短いこと
が多いので、帰納学習を用いて行われる学習が成功すれ
ば、より多くの場合により高速に学習結果による推奨操
作作成知識情報を得て迅速に変更することができる。

【００８０】図１６は、本発明の第８実施の形態による
推奨操作作成知識学習部の処理の流れを示すものであ
る。

【００８１】第８実施の形態は、第２実施の形態におい
て、帰納学習により得られる途中経過や最終学習結果の
推奨操作作成知識情報として保存して次回の学習で利用
する点に特徴を有している。

【００８２】まず、推奨操作作成知識学習部１５Ｂは操
作員操作認識部１４により推奨操作と操作員の操作に差
異が認識され、その旨通知を受けると運転操作作成部１
３から推奨操作と操作員の操作が各読み込まれる（Ｓ５
１，Ｓ５２）。さらに、運転操作作成部１３によりプラ
ント状態が読み込まれる（Ｓ５３）。

【００８３】そして、読み込まれたプラント状態とほぼ
同じ状態の推奨操作作成知識が推奨操作データベース部
１７から読み込まれる一方、過去の運転履歴データが運
転履歴データベース部１６から読み込まれる（Ｓ５４，
Ｓ５５）。

【００８４】次に、プラント状態の特徴が抽出され、抽
出されたプラント状態の特徴に基づいて推奨操作作成に
直接関与した知識が抽出される（Ｓ５６，Ｓ５７）。さ
らに、抽出された推奨操作作成に直接関与した知識と抽
出されたプラント状態の特徴との比較がされ、違いのあ
る条件項目が選別される（Ｓ５８）。

【００８５】これにより、違いのある条件項目の特徴値
により新たな推奨操作作成知識が作成され、これが推奨
操作データベース部１７へ保存される。（Ｓ５９，Ｓ６
０）。そして、抽出した特徴をその特徴値を学習途中の
経過として保存する（Ｓ６０ａ）。これにより、本実施
の形態によれば、帰納学習を用いて行われる学習の途中
経過または結果を次回の学習で利用できる形で保存して
おくことができる。

【００８６】このように第８実施の形態によれば、帰納
学習を用いて行われる学習の途中経過または結果を次回
の学習で利用できる形で保存しておき、次回に利用する
ので次回の学習時に必要な学習時間が短縮でき、また、
信頼性のある推奨操作作成知識情報が作成できる。

【００８７】図１７は、第９実施の形態による推奨操作
作成知識学習部の処理の流れを示すものである。

【００８８】第９実施の形態は、第３実施の形態におい
て、ニューラルネット学習により得られる途中経過や最
終学習結果の推奨操作作成知識情報として保存して次回
の学習で利用する点に特徴を有している。

【００８９】まず、推奨操作作成知識学習部１５Ｂは、
図１７に示す操作員操作認識部１４により推奨操作と操
作員の操作に差異が認識され、その旨通知を受けると運
転操作作成部１３から推奨操作と操作員の操作が各読み
込まれる（Ｓ６１，Ｓ６２）。さらに、運転操作作成部
１３によりそのときのプラント状態が読み込まれる（Ｓ
６３）。そして、読み込まれたプラント状態とほぼ同じ
状態の推奨操作作成知識が推奨操作データベース部１７
から読み込まれる一方、過去の運転履歴データが運転履
歴データベース部１６から読み込まれる（Ｓ６４，Ｓ６
５）。

【００９０】次に、複数の運転履歴データから一つのパ
ターンを選択しニューラルネットワークへ入力し全ての
運転履歴データをニューラルネットワークへ入力する
（Ｓ６６，Ｓ６７）。続いて、読み込まれたプラント状
態と推奨操作とをニューラルネットワークへ入力し、さ
らに、プラント状態と操作員の操作とがネットワークへ
入力される（Ｓ６８，Ｓ６９）。この結果、運転履歴デ
ータと推奨操作と操作員の操作を教示としてネットワー
ク上の各ノードの重み関数が決定され学習がされる。学
習結果は推奨操作作成知識情報として推奨操作データベ
ース部１７へ保存される（Ｓ７０）。そして、途中の学
習経過が保存される（Ｓ７０ａ）。

【００９１】これにより、ニューラルネット学習機能と
同等の学習が実施され、その結果が推奨操作作成知識に
反映されると同時に、ニューラルネット学習の途中で作
成されたネットワークの状態などが学習の途中経過とし
て保存される。

【００９２】このように第９実施の形態によれば、ニュ
ーラルネットワークを用いて行われる学習の途中経過ま
たは結果を次回の学習で利用できる形で保存しておき、
次回に利用するので次回の学習時に必要な学習時間が短
縮でき、また、信頼性のある推奨操作作成知識情報が作
成できる。

【００９３】図１８は、本発明の第１０実施の形態を示
すプラント運転支援装置の構成図である。

【００９４】図１８において、第４実施の形態を示す図
１２と同一符号は、同一部分または相当部分を示し、第
１０実施の形態は、帰納学習途中経過データベース部１
８とニューラルネット学習途中経過データベース部１９
とを備え，学習の途中経過や最終学習結果の推奨操作作
成知識情報を格納し、次回に前回の途中経過や最終学習
結果の推奨操作作成知識情報を利用して学習可能とした
点に特徴を有している。

【００９５】まず、図１９に示す処理がされ、推奨操作
作成知識学習部１５Ｃは操作員操作認識部１４により推
奨操作と操作員の操作に差異が認識され、その旨通知を
受けると運転操作作成部１３から推奨操作と操作員の操
作が各読み込まれる（Ｓ７１，Ｓ７２）。さらに、運転
操作作成部１３からそのときのプラント状態が読み込ま
れる（Ｓ７３）。次に、帰納学習途中経過データベース
部１８から前回の学習の途中の経過の読み出しが行われ
る（Ｓ７３ａ）。

【００９６】これによって、帰納学習手段３１が起動さ
れ、帰納学習がされる（Ｓ７４）。このとき、抽出され
た特徴とその特徴値を学習経過として保存する（Ｓ７４
ａ）。同様に、ニューラルネット学習途中経過データベ
ース部１９から学習の途中経過読み出しが行われる（Ｓ
７３ｂ）。これにより、ニューラルネット学習手段３２
が起動され学習がされる（Ｓ７５）。このとき、途中経
過が学習済みネットワークへ保存される（Ｓ７５ａ）。

【００９７】これによって、得られた各学習結果が評価
される（Ｓ７６）。評価にあたっては、各学習において
定められる評価関数が参照され、総合的に判断し学習結
果を得るようにする。得られた学習結果は推奨操作作成
知識情報として推奨操作データベース部１７へ保存され
る（Ｓ７７）。

【００９８】この実施の形態では、両学習手段により学
習結果が生成され、それが推奨操作作成知識に反映され
ると同時に、帰納学習の途中で作成された特徴抽出や抽
出された特徴の特徴量などが学習の途中経過として保存
され、ニューラルネット学習の途中で作成されたネット
ワークの状態などが学習の途中経過として保存される。

【００９９】このように第１０実施の形態によれば、帰
納学習を用いて行われる学習の途中経過または結果とニ
ューラルネットワークを用いて行われる学習の途中経過
または結果を次回のそれぞれの学習で利用できる形で保
存しておき次回利用するので、次回のそれぞれの学習時
に必要な学習時間が短縮でき、また、信頼性の高い推奨
操作作成知識情報が作成できる。

【０１００】なお、本発明は図１４に示す第６実施の形
態の処理に加えて、図２０に示すように前回の学習の途
中経過を読み出して学習を実行し、得られた途中経過を
保存することができる。

【０１０１】この場合に、図２０に示すように帰納学習
では、前回の学習の途中経過読み出し処理（Ｓ８３ａ）
と抽出した特徴とその特徴値を学習経過として保存する
処理（Ｓ８４ａ）が加えられる。また、ニューラルネッ
トの学習では、前回の学習の途中経過読み出し処理（Ｓ
８３ｂ）と学習済みネットワークを保存する処理（Ｓ８
５ａ）が加えられる。

【０１０２】この手段によれば、両学習手段の内でいち
早く学習を終えた方の学習手段の学習結果が推奨操作作
成知識に反映されると同時に、帰納学習の途中で作成さ
れた特徴抽出や抽出された特徴の特徴量なとが学習の途
中経過として保存され、ニューラルネット学習の途中で
作成されたネットワークの状態などが学習の途中経過と
して保存される。

【０１０３】なお、本発明は図１５に示す第７実施の形
態の処理に加えて、図２１に示すように前回の学習の途
中経過を読み出して学習を実行し、得られた途中経過を
保存することができる。

【０１０４】この場合に、図２１に示すように帰納学習
では、前回の学習の途中経過読み出し処理（Ｓ９３ａ）
と抽出した特徴とその特徴値を学習経過として保存する
処理（Ｓ９６ａ）が加えられる。また、ニューラルネッ
トの学習では、前回の学習の途中経過読み出し処理（Ｓ
９５ｂ）と学習済みネットワークを保存する処理（Ｓ９
８ａ）が加えられる。

【０１０５】この手段によれば、帰納学習が失敗した場
合はニューラルネット学習が実施されその学習結果が推
奨操作作成知識に反映されると同時に、帰納学習の途中
で作成された特徴抽出や抽出された特徴の特徴量などが
学習の途中経過として保存され、ニューラルネット学習
の途中で作成されたネットワークの状態などが学習の途
中経過として保存される。

【０１０６】

【発明の効果】以上説明したように請求項１の発明によ
れば、作成された推奨操作内容を参照して操作員が操作
入力した内容に相違があるとき、推奨操作作成知識情報
を再学習するので、推奨操作作成知識情報が一律でなく
プラント状態に応じて変更され、プラント状態の状況変
化にも対応して変更される。従って、推奨操作内容と操
作員の操作入力内容の差異が生じても次回にはほぼ一致
するので操作員へ提示される推奨操作が信頼できるもの
となり、通常時操作員は推奨操作を信頼して操作入力す
ることができ操作員の負担が軽減され、さらに、操作員
の操作入力内容が的確なものとなる。

【０１０７】請求項２の発明によれば、推奨操作内容と
これを参照して、操作員が行った操作入力内容とに差異
が確認されたとき今回用いた推奨操作作成知識情報を再
帰納学習して得られる学習結果に変更し、また、帰納学
習では、因果規則の形成で記述されるので、推奨操作作
成知識情報の学習過程が理解しやすく、信頼性の高い因
果規則が作成でき、帰納学習された次回に用い推奨操作
作成知識情報が的確なものとすることができる。

【０１０８】請求項３の発明によれば、推奨操作内容と
これを参照して操作員が行った操作入力内容とに差異が
確認されたとき今回用いた推奨操作作成知識情報をニュ
ーラルネットワークによって再学習をして得られる学習
結果に変更でき、ニューラルネットワークの学習では、
帰納学習で扱えない連続値を含む学習ができるので、き
め細かな信頼性のある推奨操作の作成ができ、ニューラ
ルネットワークにより学習された次回に用いる推奨操作
作成知識情報が的確なものとすることができる。

【０１０９】請求項４の発明によれば、帰納学習により
得られる第１推奨操作作成知識情報とニューラルネット
ワークの学習により得られる第２推奨操作作成知識情報
とから推奨操作作成知識情報とから両方の情報を利用し
て作成されるので、作成された推奨操作作成知識情報が
信頼性が高く的確なものとすることができる。

【０１１０】請求項５の発明によれば、帰納学習により
得られる第１推奨操作作成知識情報とニューラルネット
ワークの学習により得られる第２推奨操作作成知識情報
とのそれぞれを評価して総合的判断をして推奨操作作成
知識情報を作成するので、作成された推奨操作作成知識
情報が信頼性が高く的確なものとすることができる。

【０１１１】請求項６の発明によれば、帰納学習を用い
て行われる学習とニューラルネットワークを用いて行わ
れる学習との内でより速く学習が成功した方の結果が用
いられるため、より高速に学習結果による推奨操作作成
知識情報を得て迅速に変更することができる。

【０１１２】請求項７の発明によれば、帰納学習を用い
て行われる学習の方がニューラルネットワークを用いて
行われる学習に比べて、学習時間が短いことが多いの
で、帰納学習を用いて行われる学習が成功すれば、より
多くの場合に高速に学習結果による推奨操作作成知識情
報を得て迅速に変更することができる。

【０１１３】請求項８の発明によれば、帰納学習を用い
て行われる学習の途中経過または結果を次回の学習で利
用できる形で保存しておき、次回に利用するので次回の
学習時に必要な学習時間が短縮でき、また、信頼性のあ
る推奨操作作成知識情報が作成できる。

【０１１４】請求項９の発明によれば、ニューラルネッ
トワークを用いて行われる学習の途中経過または結果を
次回の学習で利用できる形で保存しておき、次回に利用
するので次回の学習時に必要な学習時間が短縮でき、ま
た、信頼性のある推奨操作作成知識情報が作成できる。

【０１１５】請求項１０の発明によれば、帰納学習を用
いて行われる学習の途中経過または結果とニューラルネ
ットワークを用いて行われる学習の途中経過または結果
を次回のそれぞれの学習で利用できる形で保存しておき
次回利用するので、次回のそれぞれの学習時に必要な学
習時間が短縮でき、また、信頼性の高い推奨操作作成知
識情報が作成できる。

【図面の簡単な説明】

【図１】本発明の第１実施の形態を示すプラント運転支
援装置の構成図である。

【図２】図１のプラント運転支援装置に備えるプラント
データ収集部の処理手順を示すフローチャートである。

【図３】図１のプラント運転支援装置に備えるプラント
状態推定部の処理手順を示すフローチャートである。

【図４】図１のプラント運転支援装置に備える運転操作
作成部の処理手順を示すフローチャートである。

【図５】図１のプラント運転支援装置に備える操作員操
作認識部の処理手順を示すフローチャートである。

【図６】図１のプラント運転支援装置に備える推奨操作
作成知識学習部の処理手順を示すフローチャートであ
る。

【図７】本発明の第２実施の形態における推奨操作作成
知識学習部の処理手順を示すフローチャートである。

【図８】図７の第２実施の形態を適用するプラントの説
明図である。

【図９】本発明の第３実施の形態における推奨操作作成
知識学習部の処理手順を示すフローチャートである。

【図１０】ニューラルネットの学習例を示す第１説明図
である。

【図１１】ニューラルネットの学習例を示す第２説明図
である。

【図１２】本発明の第４実施の形態を示すプラント運転
支援装置の構成図である。

【図１３】本発明の第５実施の形態における推奨操作作
成知識学習部の処理手順を示すフローチャートである。

【図１４】本発明の第６実施の形態における推奨操作作
成知識学習部の処理手順を示すフローチャートである。

【図１５】本発明の第７実施の形態における推奨操作作
成知識学習部の処理手順を示すフローチャートである。

【図１６】本発明の第８実施の形態における推奨操作作
成知識学習部の処理手順を示すフローチャートである。

【図１７】本発明の第９実施の形態における推奨操作作
成知識学習部の処理手順を示すフローチャートである。

【図１８】本発明の第１０実施の形態を示すプラント運
転支援装置の構成図である。

【図１９】図１８のプラント運転支援装置に備える推奨
操作作成知識学習部の処理手順を示す第１フローチャー
トである。

【図２０】図１８のプラント運転支援装置に備える推奨
操作作成知識学習部の処理手順を示す第２フローチャー
トである。

【図２１】図１８のプラント運転支援装置に備える推奨
操作作成知識学習部の処理手順を示す第３フローチャー
トである。

【図２２】従来のプラント運転支援装置を示す構成図で
ある。

【符号の説明】

１１プラントデータ収集部１２プラント状態推定部１３運転操作作成部１４操作員操作認識部１５推奨操作作成知識学習部１６運転履歴データベース部１７推奨操作データベース部１８帰納学習途中経過データベース部１９ニューラルネット学習途中経過データベース部２２推論部２３知識データベース２４運転操作作成部３１帰納学習手段３２ニューラルネット学習手段１００プラント運転支援装置

Claims

【特許請求の範囲】

【請求項１】プラントからのデータをプラントデータ
として収集するプラントデータ収集部と、このプラントデータ収集部によって収集されたプラント
データに基づいてプラントの状態を推定するプラント状
態推定部と、プラント状態に応じて推奨操作を推定して作成するため
に必要な知識やデータを推奨操作作成知識情報として格
納する推奨操作データベース部と、過去のプラント状態とその状態における運転操作を運転
履歴データとして格納する運転履歴データベース部と、前記プラント状態推定部により推定されたプラント状態
とこのプラント状態に対応する推奨操作作成知識情報を
推奨操作データベース部から抽出してこれらに基づいて
推奨操作を作成して操作員へ提示する一方、操作員が推
奨操作を参照して操作入力する運転操作作成部と、前記運転操作作成部によって作成された推奨操作内容と
操作員の操作入力内容との相違を認識して操作認識情報
を出力する操作員操作認識部と、前記操作認識情報と前記操作員の操作内容と前記推奨操
作作成知識情報から前記運転履歴データベース部を参照
して推奨操作作成知識情報を学習して得られる学習され
た推奨操作作成知識情報を前記推奨操作データベース部
へ格納する推奨操作作成知識学習部とを備えることを特
徴とするプラント運転支援装置。
【請求項２】前記推奨操作作成知識学習部は、帰納学習により、前記推奨操作作成知識情報を学習して
得られる学習された推奨操作作成知識情報を前記推奨操
作データベース部へ格納することを特徴とする請求項１
記載のプラント運転支援装置。
【請求項３】前記推奨操作作成知識学習部は、ニューラルネットワークによって前記推奨操作作成知識
情報を学習して得られる学習された推奨操作作成知識情
報を前記推奨操作データベース部へ格納することを特徴
とする請求項１記載のプラント運転支援装置。
【請求項４】前記推奨操作作成知識学習部は、帰納学習によって推奨操作作成知識情報を学習して得ら
れる学習された第１推奨操作作成知識情報を作成する第
１推奨操作作成知識情報作成手段と、ニューラルネット
ワークによって推奨操作作成知識情報を学習して得られ
る第２推奨操作作成知識情報を作成する第２推奨操作作
成知識情報作成手段と、前記第１推奨操作作成知識情報
と前記第２推奨操作作成知識情報とに基づく学習された
推奨操作作成知識情報を前記推奨操作データベース部へ
格納するようにしたことを特徴とする請求項１記載のプ
ラント運転支援装置。
【請求項５】前記推奨操作作成知識学習部は、前記帰納学習された前記第１推奨操作作成知識情報と前
記ニューラルネットワークによる学習された前記第２推
奨操作作成知識情報との両方の推奨操作作成知識情報を
評価して総合的な推奨操作作成知識情報を作成して前記
推奨操作データベース部へ格納する手段を備えることを
特徴とする請求項４記載のプラント運転支援装置。
【請求項６】前記推奨操作作成知識学習部は、前記帰納学習された前記第１推奨操作作成知識情報と前
記ニューラルネットワークによる学習された前記第２推
奨操作作成知識情報との両方の推奨操作作成知識情報の
内で、最先に得られる推奨操作作成知識情報を最終的な
推奨操作作成知識情報として前記推奨操作データベース
部へ格納する手段を備えることを特徴とする請求項４記
載のプラント運転支援装置。
【請求項７】前記推奨操作作成知識学習部は、前記帰納学習をする第１推奨操作作成知識情報作成手段
による学習を実行し推奨操作作成知識情報の作成に成功
すればこれを学習された推奨操作作成知識情報とする一
方、不成功の場合に前記ニューラルネットワークによる
第２推奨操作作成知識情報作成手段による学習を実行し
て学習された推奨操作作成知識情報として前記推奨操作
データベース部へ格納する手段を備えることを特徴とす
る請求項４記載のプラント運転支援装置。
【請求項８】推奨操作作成知識学習部は、帰納学習により得られる途中経過や最終学習結果の推奨
操作作成知識情報を格納し、次回に前回の途中経過や最
終学習結果の推奨操作作成知識情報に基づいて帰納学習
を行って得られる推奨操作作成知識情報を推奨操作デー
タベース部へ格納することを特徴とする請求項２記載の
プラント運転支援装置。
【請求項９】推奨操作作成知識学習部は、ニューラルネットワークの学習により得られる途中経過
や最終学習結果の推奨操作作成知識情報を格納し、次回
に前回の途中経過や最終学習結果の推奨操作作成知識情
報に基づいて帰納学習を行って得られる推奨操作作成知
識情報を推奨操作データベース部へ格納することを特徴
とする請求項３記載のプラント運転支援装置。
【請求項１０】前記推奨操作作成知識学習部は、学習の途中経過や最終学習結果の推奨操作作成知識情報
を格納し、次回に前回の途中経過や最終学習結果の推奨
操作作成知識情報を利用することを特徴とする請求項４
乃至請求項７記載のいずれかのプラント運転支援装置。