JPH10301617A

JPH10301617A - 制御モデル構築支援装置およびその方法

Info

Publication number: JPH10301617A
Application number: JP10705597A
Authority: JP
Inventors: Masahiro Shikayama; 昌宏鹿山; Yoichi Sugita; 洋一杉田; Yasuo Morooka; 泰男諸岡; Haruyoshi Kumayama; 治良熊山; Masaaki Nakajima; 正明中島
Original assignee: Hitachi Ltd
Current assignee: Hitachi Ltd
Priority date: 1997-04-24
Filing date: 1997-04-24
Publication date: 1998-11-13

Abstract

(57)【要約】【課題】誤差の影響を除いた制御モデルを自動的に構築
する制御モデル構築支援装置を提供する。【解決手段】プラントから採取した制御モデルの入力値
と出力値の対データセットに対して、これらを採取した
ときのプラントの状態量から両者の時間差を補正し、入
力とこれら対応した出力の対を生成する遅れ時間補正手
段、および非定常なデータを含むデータセットをあらか
じめ除くことでデータを選別するデータ選別手段を備え
る。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は鉄鋼，電力，一般産
業等の制御システムを対象とし、制御対象からデータを
収集して制御モデルを構築する場合に、採取したデータ
の質を向上するとともに量を適性化し、高精度な制御モ
デルを効率的に構築する手法に関する。

【０００２】

【従来の技術】制御対象からデータを収集し計算機で用
いる従来技術としては、特開平6−168222号公報に記載
のように、制御対象の制御情報を収集する手段を備え、
収集したデータを独立したメモリに蓄えることで、この
データを用いて繰り返しシミュレーションを行う手法が
あった。

【０００３】またプラント運転データを管理する装置と
しては、特開平5−120582 号公報に記載のように、採取
したデータを保存し、まとまったデータで統計分析する
ことで運転状態を把握する手法があった。

【０００４】

【発明が解決しようとする課題】上記従来技術には、以
下の問題点があった。特開平6−168222 号公報に記載の
手法は、制御対象からのデータの採取と、これを計算機
にどのような形態で蓄えるかについての考慮はなされて
いるが、データを用いてモデル構築を行う場合に、ノイ
ズを含んだプラントデータの質を向上することで構築し
た制御モデルの精度を向上させる方法については考慮さ
れていなかった。また採取を繰り返すと蓄えられたプラ
ントデータは一般に膨大となる。これらを制御モデル構
築に支障のない形態で少数のデータに変換することに配
慮していないため、統計処理ができなくなったり、記憶
装置の容量が膨大となる場合があった。さらに制御モデ
ルの入出力データの遅延関係を補償することに配慮して
いないため、制御モデルの入出力を異なった時刻のデー
タを用いて構築する必要がある場合には、人手でこれを
補償しなければならない場合があった。

【０００５】特開平5−120582 号公報に記載の方法も同
様に、採取したデータ量が膨大となり統計処理ができな
くなったり、採取したデータの中に低質なデータが多数
含まれていることで運転状態の解析結果に悪影響を及ぼ
す問題があった。

【０００６】本発明の第１の目的は、制御モデル構築に
適していないデータを自動的に除き、必要に応じて入出
力データの遅延関係を補償した後、一定水準以上の品質
のデータを用いて制御モデルを構築することにより、誤
差の影響を除いた制御モデルを自動的に構築する制御モ
デル構築支援装置を提供することにある。

【０００７】本発明の第２の目的は、プラントから採取
したデータの量が過大な場合に、統計的性質やデータの
密度分布等の制御モデル構築上必要とされる情報を喪失
することなく、採取したデータを適正な個数のデータに
変換することを自動的に行い、データを取捨選択するの
に必要なオペレータの膨大な処理を軽減すると同時に、
制御モデル構築用として保存すべきデータ量を適性化す
ることにある。またデータセットが長期間に渡り時系列
に次々と入力される場合でも、制御モデル構築用のデー
タセットとしては、同様に構築上必要とされる情報を保
持した適性数を維持できる制御モデル構築支援装置を提
供することにある。さらに上記データ変換がどれくらい
良好に行えたかを定量化してユーザに報知する機能を備
えた制御モデル構築支援装置を提供することにある。

【０００８】第３の目的として、データ変換手段とデー
タ変換評価手段を交互に動作させ、最適にデータ変換さ
れた結果をユーザに報知することで、変換パラメータ設
定の最適化に必要となるユーザの試行錯誤を省略する制
御モデル構築支援装置を提供することにある。さらに上
記の処理を含んださまざまなタスクの起動順序をバッチ
管理し、オペレータが入力した最小限の情報から、入力
情報に対応した制御モデルをあらかじめ定められた起動
順序にしたがって自動的構築可能な制御モデル構築支援
装置を提供することにある。

【０００９】

【課題を解決するための手段】上記第１の目的は、プラ
ントから採取した制御モデルの入力値と出力値の対デー
タセットに対して、これらを採取したときのプラントの
状態量から両者の時間差を補正し、入力とこれら対応し
た出力の対を生成する遅れ時間補正手段、および非定常
なデータを含むデータセットをあらかじめ除くことでデ
ータを選別するデータ選別手段を備えることにより達成
される。遅れ時間補正手段は、制御対象から収集したプ
ラントデータに対して、出力の検出時刻をもとに各入力
の検出すべき時刻を制御対象の動作状態を基に算出し、
これらの時刻の入力値を前記出力値の対（データセッ
ト）としてデータベースに蓄える。またデータ選別手段
は、データがあらかじめ定められたレンジに入っている
かどうかをチェックして各データセットをモデル構築に
用いるかどうかを判定し、用いるデータのみを選別デー
タベースに格納する。

【００１０】さらに第２の目的は、選別データベースの
データセットを、統計的性質やデータ密度の情報を保存
した状態で、ユーザが指定した個数のデータセットに少
数化するデータ変換手段と、変換結果の良好性を判定す
るデータ変換評価手段を備えることにより解決される。
データ変換手段はユーザが指定した個数のデータセット
をあらかじめ用意しておき、選別データベースのデータ
セットを用いてこれらを量子化し、指定された個数のデ
ータセットに変換する。またデータ変換評価手段はあら
かじめ用意された参照データセットがどの程度有効に選
別データベースのデータセットを代表しているかを評価
し、マンマシン装置に表示してユーザに報知する。

【００１１】また第３の目的は、プラントデータを洗練
化し、制御モデルを構築するまでの一連の処理を、あら
かじめ定められたシーケンスでバッチ実行するタスク起
動手段を備えることにより達成される。制御モデル構築
支援装置は、遅れ時間補正手段，データ選別手段，デー
タ変換手段等をタスクとして独立して備え、オペレータ
が変換後のデータセット数等の情報を入力するとともに
マンマシン装置を介してタスクの起動を行うと、あらか
じめ定められた起動順序にしたがってタスクを実行し、
入力情報に対応した制御モデルを自動構築する。

【００１２】

【発明の実施の形態】以下、本発明の実施例を図にした
がって詳細に説明する。

【００１３】図１に本発明により実現された制御モデル
構築支援装置の構成を示す。まず全体の構成を説明した
後、各部の詳細を説明する。制御モデル構築支援装置１
００には種々のタスクが格納されており、これらはタス
ク起動手段１０１により選択的に起動される。タスクと
して本実施例では、制御対象１７０から取り込んだ信号
を取り込んで格納するデータ収集手段１１０，取り込ん
だデータの量を適性化するとともにノイズ除去により質
を向上させることによりモデル構築に用いるデータベー
スを構築するデータ洗練化手段１０５，洗練化されたデ
ータベースを用いて制御モデルを構築するモデル構築手
段１１６，構築されたモデルをネットワーク１５０を介
して制御装置１３０に転送するモデル転送手段１１７が
備えられている。データ洗練化手段１０５は詳しくは後
で述べるが、遅れ時間補正手段１１１，データ選別手段
１１２，洗練化データベース初期化手段１１３，データ
変換手段１１４，データ変換評価手段１１５の各タスク
から構成されている。同様に記憶手段１２０は、制御対
象１７０から収集したデータが蓄えられるプラントデー
タベース１２１，遅れ時間補正手段１１１により検出信
号の遅れを補正し、制御的に対応した操作信号と検出信
号の対で構成される遅れ時間補正データベース１２２，
データ選別手段１１２により各データベースの中で検出
器の故障等で一部の信号が欠落したデータを特定し、こ
れらを除いた結果、得られる選別データベース１２３，
各データベースをデータ変換手段１１４によりノイズを
除去しつつ変換することでデータ数を適性化し、質を向
上させた結果得られる洗練化データベース，モデル構築
手段１１６により構築された制御モデルが格納される制
御モデル格納部１２５から構成される。さらに制御モデ
ル構築支援装置１００は、制御モデル構築用のデータや
構築された制御モデルを記憶する記憶手段120,外部と信
号の授受を行う通信インタフェース１０２，オペレータ
が入出力を行うマンマシン装置１４０を備えている。制
御モデル構築支援装置１００は、ネットワーク１５０を
介して制御装置１３０，Ｉ／Ｏ１６０と接続されてい
る。またＩ／Ｏ１６０を介して制御対象１７０の状態を
観測し、必要なデータの取り込みを行う。制御装置１３
０はＩ／Ｏ１６０，ネットワーク１５０を介して制御対
象１７０の状態を検出し、制御モデル構築支援手段１０
０で構築され、転送された制御モデルを用いて制御対象
１７０を制御するための演算を行い、制御信号を出力す
る。制御対象１７０は制御装置１３０が出力した制御信
号をＩ／Ｏ１６０を介して受け取り、これにしたがって
動作する。

【００１４】本実施例では制御対象１７０として、冷間
圧延の後処理工程であるメッキラインを例に説明する。
制御対象１７０のロール１７２は鋼板１７１を矢印の方
向に移動させる。メッキ浴槽１７３には溶融メッキが溜
められており、鋼板１７１は移動に伴って順次メッキ浴
槽１７３に浸される。その直後にノズル１７４は、高圧
のガスを吹き付け、鋼板１７１に付着しているメッキの
一部をそぎ落とすことにより、付着しているメッキを一
定量に制御する。本実施例では以下、メッキ付着量がノ
ズル１５４と溶融メッキ湯面の距離（以下、高さ）Ｈ，
ノズル１５４と鋼板の距離（以下、ギャップ）Ｄ，ノズ
ル１５４の噴出ガスの圧力（以下、ガス圧）Ｐ，板の速
度（ロールの回転速度、以下、板速）Ｖで決定されると
する。メッキ付着量Ｍは、通常、ノズル位置から離れた
位置に取付けられている付着量検出計１７５で測定され
る。検出された付着量の値Ｍは、Ｐ，Ｖ，Ｄ，Ｈととも
に、Ｉ／Ｏ１６０，ネットワーク１５０を介して、制御
モデル構築支援装置１００に取り込まれる。

【００１５】次に制御モデル構築支援装置１００の各部
の動作を詳細に説明する。タスク起動手段１０１は、マ
ンマシン装置１４０からオペレータが入力した情報にし
たがって演算手段１１０に格納されているタスクの起動
・管理を行う。図２にタスク起動手段１０１が実行する
処理を示す。通常はＳ２−１でオペレータがマンマシン
装置１４０を介して信号を入力したかどうかを検出する
処理を行う。本実施例では割り込みでこの信号を受信す
る例を示すが、周期的な検出処理を行ってもよい。割り
込みが発生すると割り込みルーチンに入り、Ｓ２−２で
割り込みのコマンドを解釈し、演算手段１１０の中で、
オペレータの指示したタスクを起動する。本実施例では
図１のようにタスクとして、データ収集手段１１０，遅
れ時間補正手段１１１，データ選別手段１１２，洗練化
データベース初期化手段１１３，データ変換手段１１
４，データ変換評価手段１１５，モデル転送手段１１７
から構成されている。

【００１６】図３にデータ収集手段１１０の処理アルゴ
リズムを示す。データ収集手段110はタスク起動手段１
０１からの起動指令にしたがって実行を開始される。ま
ずＳ３−１で通信Ｉ／Ｆ１０２を介して、制御モデルの
入力と出力に対応した信号を制御対象１７０に備えられ
たセンサの検出値として取り込む。本実施例では図１に
したがって、Ｐ，Ｖ，Ｄ，Ｈ，Ｍを取り込む。そして構
築されたデータの対をプラントデータベース１２１に格
納し、この処理をＳ３−２で終了と判定されるまで繰り
返す。

【００１７】図４にプラントデータベース１２１の構成
例を示す。制御モデルの入力であるＰ，Ｖ，Ｄ，Ｈと制
御モデルの出力であるＭの組が、図のように多数蓄えら
れている。制御モデルの入力（Ｐ，Ｖ，Ｄ，Ｈ）と制御
モデルの出力Ｍの１対の組をデータセットと称する。制
御モデルとしてはこれらの入出力関係をデータベースの
内容を元に同定する必要がある。

【００１８】図５に遅れ時間補正手段１１１の処理を示
す。メッキ付着量制御では、操作量であるＰ，Ｖ，Ｄ，
Ｈに対し、これに対応したＭは付着量検出計の取付け位
置から所定の時間経過した後得られる。遅れ時間補正手
段１１１はプラントデータベース１２１に蓄えられてい
るデータについて、このようなＭの検出遅れを補正し、
Ｐ，Ｖ，Ｄ，Ｈに対し制御上対応したＭを抽出して、
Ｐ，Ｖ，Ｄ，Ｈ，Ｍのセットを構成する。まずＳ５−１
でプラントデータベース１２１の内容を取り込む。次に
Ｓ５−２で、Ｍの検出時に並行して板速Ｖからメッキの
付着を受けた時刻までいくら遡れば良いか算定する。算
出方法としては、Ｌ／Ｖ（ただしＬはノズル１７４の位
置から付着量検出計１７５までの鋼板１７１の長さ）で
簡単に算出することもできるし、高精度に算出すること
が必要であれば付着量検出計１７５の検出遅れ等を詳細
に加味することも考えられる。次にＳ５−３でこのとき
のＰ，Ｖ，Ｄ，Ｈを抽出し、対応するＰ，Ｖ，Ｄ，Ｈと
Ｍの対を生成する。Ｓ５−４ではこのようなＰ，Ｖ，
Ｄ，Ｈ，Ｍのセットを遅れ時間補正データベース１２２
に格納し、Ｓ５−１〜Ｓ５−４の処理を、Ｓ５−５でプ
ラントデータベースの総てのデータについて処理が終了
したと判定されるまで繰り返す。

【００１９】図６に遅れ時間補正データベース１２２の
構成例を示す。図４のプラントデータベースで時刻５以
降のＭの値が各４時刻遡っている。具体的にはプラント
データベースで時刻１のデータであった（Ｐ，Ｖ，Ｄ，
Ｈ）＝（０.２０，４６，７.４，１１）に対して時刻５
のＭである９４が対応づけて格納されている。

【００２０】図７にデータ選別手段１１２が実行する処
理を示す。データ選別手段１１２は各データベースの中
で検出器の故障等で一部の信号が欠落したデータを特定
し、これらを除いてデータベースを再編集する。本実施
例では遅れ時間補正データベース１２２から良好なデー
タを抽出して再編集する場合を示す。まずＳ７−１で時
刻毎に各項目の値を取り込む。次にＳ７−２で各項目の
値をあらかじめ定義された最大値および最小値と比較す
る。最大，最小値は各パラメータ毎にユーザが定義する
が、本実施例ではＭに対して最大値が６００，最小値が
６５と定義されている場合を示す。Ｓ７−３でＭが最大
値および最小値で定義されたレンジ内かどうかを判定す
る。レンジ内であればＳ７−４でデータの対を選別デー
タベース１２３に格納する。最大値より大きかったり最
小値より小さい場合には格納する処理は行わない。たと
えば時刻１〜４のデータは選別データベース１２３に格
納するが、時刻５，６のデータはＭの値がレンジを外れ
ているので除外される。Ｓ７−５では、Ｓ７−１〜Ｓ７
−４の処理を遅れ時間補正データベース１２２の総てに
ついて行ったかどうかを判定し、処理の終了を判定す
る。

【００２１】図８に選別データベース１２３の構成を示
す。図６の遅れ時間補正データベース１２２の中から時
刻５，６のデータが除外されて編集されている。

【００２２】図９に洗練化データベース初期化手段１１
３とデータ変換手段１１４の構成を示す。データ変換手
段１１４は指定したデータベースを、各変数毎に算出し
た平均・分散等の統計量やデータセットの密度情報（ヒ
ストグラム情報）等のモデル構築上保存すべき情報の喪
失を最小化した上で定められたサイズに変換する処理を
行う。本実施例では選別データベース１２３を変換して
洗練化データベース１２４を構築する場合を示すが、プ
ラントデータベース１２１や遅れ時間補正データベース
１２２から直接変換することも考えられる。洗練化デー
タベース初期化手段１１３は選別データベース１２３の
内容を基に洗練化データベース１２４の内容を初期化す
る。また本実施例でデータ変換手段１１４は、データベ
ースの内容をネットワークの重み係数として蓄えた量子
化ネットワーク９０１と、量子化ネットワーク９０１の
重み係数を修正する量子化アルゴリズム９０２からなっ
ており、選別データベース１２３に蓄えられているデー
タがＬ個のとき、これらを良好に代表するｐ個のデータ
（ｐ＜Ｌ）に変換する場合を例に説明する。量子化ネッ
トワーク９０１は１〜ｎの入力（本実施例の場合入力は
Ｐ，Ｖ，Ｄ，Ｈ，Ｍのため、ｎ＝５）を取り込む入力ユ
ニット９０５および定数を出力するしきい値ユニット９
０６からなる入力データセット層９０３と、ｐ個の量子
化データセット９０７からなる量子化データセット層９
０４、さらに入力データセット層９０３と量子化データ
セット層９０４の間で信号を伝達するシナプス９０８に
より構成される。入力ユニット９０５は、入力された信
号の値を量子化データセット層９０４の各量子化データ
セット９０７にそのまま出力し、量子化データセット８
０７は結合しているシナプス９０８の重み荷重の値Ｗ_ij
に従って、次式に示す演算を行った結果を出力する。

【００２３】

【数１】

【００２４】図１０に洗練化データベース初期化手段１
１３が行う処理を示す。まずＳ１０−１で選別データベ
ース１２３からデータを取り込み、Ｓ１０−２で取り込
んだデータをパラメータ毎に平均して（Ｐ)，(Ｖ)，
(Ｄ)，(Ｈ)，(Ｍ）を算出する。Ｓ１０−３では、各平
均値に微小な乱数を重畳することで洗練化データベース
１２４の初期値を所定の個数だけ生成する。具体的には
さまざまな微小乱数Δを発生させ、数２にしたがって加
算することにより、洗練化データベース１２４の初期値
のセット（Ｐ^*，Ｖ^*，Ｄ^*，Ｈ^*，Ｍ^*）を、所定の
個数生成する。Ｓ１０−４で結果を洗練化データベース
１２４に出力する。

【００２５】

【数２】

【００２６】本実施例で量子化アルゴリズム９０２は、
アルゴリズムの演算開始時には選別データベースから取
り込んだデータセットを量子化ネットワーク９０１に入
力し、大きな値を出力した量子化データセットを複数
（この数を以下掃引ベクトル数と称する）抽出する。そ
して対応した入力に対してさらに大きな値を出力する方
向に、シナプスの荷重を更新する。すなわち大きな値を
出力した複数の量子化データセットと入力データセット
の類似度を高める処理を行う。この処理を選別データベ
ースのデータセットを次々と入力して十分な回数繰り返
すと量子化データセットは、選別データベースの中で多
数存在するデータセットと類似の値に収れんして行く。
すなわち選別データベースのデータセットを、密度情報
（ヒストグラム情報）に基づいて代表する量子化データ
セットの集合が形成される。さらに掃引ベクトル数を演
算の進行とともに減少させ、入力データセットをどの量
子化データセットで置き換えるかを徐々に明確化してい
く処理を追加した結果、備えた量子化データセットの大
半を有効に活用して選別データベース１２３に格納され
ているデータセットの情報を代表できる。

【００２７】図１１に量子化アルゴリズム９０２が行う
処理を示す。まずＳ１１−１で、初期化されている洗練
化データベース１２４の内容を量子化ネットワーク９０
１の重み係数にセットする。次にＳ１１−２で、選別デ
ータベース１２３からデータを１セット抽出し、量子化
ネットワーク９０１の入力データセット層に入力する。
図８の内容を変換する場合であれば、(０.２０，４６，
７.４，１１，９４)，(０.３６，８９，８.５，１１，
６８)のデータの組みが順次入力される。Ｓ１１−３
で、各量子化データセット９０７について数１に従った
演算を行い、出力値Ｏ₁〜Ｏ_pを算出する。Ｓ１１−４
で、Ｏ₁〜Ｏ_pのうち値が最大のものから順に、あらか
じめ指令された個数ｍのＯ_j（Ｏ_j1，…，Ｏ_jk，…，Ｏ
_jm、ただしＯ_j1≧…≧Ｏ_jk≧…≧Ｏ_jm）を抽出する。次
に抽出されたＯ_jについて量子化データセットｊと入力
データセット層９０３のユニットを結ぶ重み係数Ｗ_1j〜
Ｗ_n+1・jを更新する。入力データセット９０５に対応し
たシナプス荷重であるＷ_1j〜Ｗ_n・jに関しては数３によ
り、またしきい値ユニット９０６に対応したシナプス荷
重Ｗ_n+1・jに関しては数４により、新しい値を計算す
る。

【００２８】

【数３】

【００２９】

【数４】

【００３０】ただしＷ_ij，Ｗ_n+1・jはそれぞれ更新後の
入力ユニット，しきい値ユニットに対応したシナプス荷
重の値、αは学習係数に相当する定数、βは０＜β＜１
の定数であり、Ｏ_jの値が大きいほど重み係数を大きく
更新する。シナプス荷重の更新式は、ベクトル（Ｗ_1j，
…，Ｗ_nj）とベクトル（Ｉ₁，…，Ｉ_n）の類似度を大
きくする処理と対応していればよく、このような更新式
は数３，数４の他にもいくつか考えられる。Ｓ１１−６
で選別データベース１２３のデータの総てについて一通
りＳ１１−１〜Ｓ１１−５の処理を実行したかどうかを
判定する。データを一巡していない場合には、処理して
いないデータについてデータの組みを次々と抽出し、Ｓ
１１−１〜Ｓ１１−５の処理を実行する。一巡の処理を
終えている場合にはＳ１１−７でｍの値を更新する時期
かどうかを判定する。更新時期はＳ１１−１〜Ｓ１１−
５を一定回数繰り返したことで判定してもよいが、選別
データベース１２３から抽出したデータの対に対応した
シナプス荷重の更新量が、すべて一定値以下となったこ
とで判定してもよい。更新時期と判定された場合には、
Ｓ１１−８でｍの値を減じる処理を行う。すなわち重み
係数を更新するために抽出するＯ_jの数を１減少させ、
量子化ネットワークに入力するデータセットとの類似度
を高める量子化データセット数を減少させる。減じる値
は１に限定されるものでなく、２あるいは３とすること
も考えられる。Ｓ１１−９で変換処理の終了を判定し、
終了していない場合にはＳ１１−１〜Ｓ１１−８の処理
を繰り返す。処理の終了は、ｍ＝１の状態でＳ１１−１
〜Ｓ１１−６を一定回数繰り返したことで判定するのが
普通であるが、この状態で選別データベース１２３から
抽出したデータの対に対応したシナプス荷重の更新量
が、すべて一定値以下となったことで判定してもよい。
処理が終了するとデータベース１２１に格納されていた
データのセットがｐ個の量子化データセットの重み荷重
で代表できたことになる。その後、Ｓ１１−１０でｐ個
の量子化データセットに対応したシナプス荷重、

【００３１】

【数５】（Ｗ₁₁，Ｗ₂₁，……，Ｗ_n1）（Ｗ₁₂，Ｗ₂₂，……，Ｗ_n2）：：（Ｗ_1p，Ｗ_2p，……，Ｗ_np） …（数５）を洗練化データベース１２４にコピーすることにより、
選別データベース１２３の変換が完了する。

【００３２】図１２にデータ変換評価手段１１５の構成
を示す。データ変換評価手段１１５は有効率算出アルゴ
リズム１２０２を備えており、データ変換手段１１４の
変換処理がどの程度うまく行ったかを評価する処理を行
う。具体的には洗練化するために備えた量子化データセ
ットのうち、原データを有為に代表しているデータセッ
ト数を算出する機能を備えている。

【００３３】図１３に有効率算出アルゴリズムが実行す
る処理を示す。Ｓ１３−１で洗練化データベース１２３
の内容を量子化ネットワーク９０１の重み荷重にセット
する。次にＳ１３−２で選別データベース１２３からデ
ータを１セット抽出し、量子化ネットワーク９０１に入
力する。Ｓ１３−３でＯ₁〜Ｏ_pを計算し、Ｓ１３−４
でその中の最大値Ｏ_jを抽出、ｊの値を記憶する。Ｓ１
３−５で、選別データベース１２３のデータの総てにつ
いて処理を一巡したかどうか判定し、処理していないデ
ータがある場合にはＳ１３−１〜Ｓ１３−４を繰り返
す。総てのデータについて処理を終了した後、Ｓ１３−
６で記憶されているｊの個数をｊ′を数え、これを洗練
化データベースのデータセット数（量子化データセット
数）で除した値から、有効率を算出する。そしてマンマ
シン装置１４０に転送する。

【００３４】モデル構築手段が行う処理は種々の文献に
詳しいが、最も一般的な処理を図１４に示す。まずＳ１
４−１でモデルの入出力変数を決定する。通常、ユーザ
がマンマシン装置１４０からユーザが定義する。Ｓ１４
−２でデータベース１２１〜１２４のいずれかを対象
に、定義された入出力変数でモデル式を構築し、制御モ
デル格納手段１２５に格納する。格納された制御モデル
は、ユーザがモデル転送手段１１７を起動することによ
り制御装置１３０に転送され、制御対象１７０の制御に
用いられる。本実施例では制御モデルとは、Ｐ，Ｖ，
Ｄ，Ｈからメッキの付着量Ｍを予測する、たとえば数６
のような式である。

【００３５】

【数６】Ｗ＝ｆ(Ｐ，Ｖ，Ｄ，Ｈ）＝０.４５Ｐ^0.68Ｄ^0.88Ｖ^0.50exp(８.３／Ｖ)Ｈ^0.01…（数６）本実施例では数式モデルを例に示したが、Ｐ，Ｖ，Ｄ，
Ｈを入力、Ｍを出力とする多層ニューラルネットでモデ
ルを構築する等、制御モデル構築の手法としては、いろ
いろ考えられる。

【００３６】図１５にマンマシン装置１４０の入力と表
示の例を示す。本実施例では入力として、洗練化データ
ベースに備えるデータセット数（量子化データセット
数）を２００，洗練化処理を終了と判定する繰り返し回
数を１０００，洗練化スケジュールとしてａを選択し、
さらにｍの初期値(初期掃引ベクトル数)としてユーザが
５を入力したことを示している。洗練化スケジュールと
しては、ｍの減じ方の違い等により種々定義したものに
ａ，ｂ，…のラベルを付与しておき、ラベルを入力する
ことでスケジュールを選択する。出力としては洗練化回
数に対して、量子化ベクトルが洗練化の対象とするデー
タベースのデータセットを良好に代表した度合いに相当
する変換誤差を表示するグラフ、およびデータ変換評価
手段１１５が計算した有効率が表示されている。選別デ
ータベース１２３を洗練化データベース１２４に変換す
る場合であれば、選別データベース１２３から抽出した
データセットＲ_iとＲ_iに対応して洗練化データベース
から抽出されたデータセットＳ_j（ただしＳ_jはＲ_iに
対して類似度最大のデータセット）の間で変換誤差Ｅ_i
は例えば数７で計算できる。

【００３７】

【数７】Ｅ_i＝(Ｒ_i−Ｓ_j)²…（数７）したがって表示する変換誤差Ｅとしては、これらをｊに
ついて積算した数８で算出でき、これらをグラフ表示す
ればよい。

【００３８】

【数８】

【００３９】図１６にデータ変換手段１１４とデータ変
換評価手段１１５を交互に動作させ、初期掃引ベクトル
数ｍの最適値を自動的に探索した上で洗練化データベー
ス１２４を構築する実施例を示す。Ｓ１６−１で初期化
されたデータベースの内容を、量子化ネットワーク９０
１の重み荷重にセットした後、Ｓ１６−２でデータ変換
手段の演算のｍの値に代入するｍ₀に所定の値を設定す
る。ｍ₀は、洗練化データベースの個数に対応して適当
な比率で自動的に設定しても良いし、ユーザが入力して
もよい。Ｓ１６−３でｍにｍ₀を代入し、データ変換手
段を起動する。処理終了後、Ｓ１６−４でデータ変換評
価手段１１５を起動し、Ｓ１６−３で得られた変換結果
とＳ１６−４で算出された有効率を記憶する。Ｓ１６−
５でｍ₀の値を１減じ、Ｓ１６−６で処理終了でなけれ
ば、Ｓ１６−３〜Ｓ１６−５を繰り返す。処理の終了は
ｍ₀が所定の値（例えば１）になったことで判定する。
以上の処理で、初期掃引ベクトル数ｍをｍ₀〜１の範囲
で変化させ、洗練化データベースの内容を演算した結果
が得られる。Ｓ１６−７では、これらのうち有効率が最
大の演算結果を抽出し、洗練化データベース１２４に出
力する。本実施例によれば、ユーザが種々のｍを入力
し、有効率を評価しながら変換処理を何度も繰り返す試
行錯誤が省略でき、使い勝手が向上する。

【００４０】最後にタスク起動手段１０１が、以上の処
理を所定の起動順序でタスク管理する実施例を示す。Ｓ
１７−１で図１５で一例を示した入力情報をマンマシン
装置１４０から入力し、タスク起動手段１０１にバッチ
実行を指示する。Ｓ１７−２では、遅れ時間補正手段１
１１，データ選別手段１１２，洗練化データベース初期
化手段１１３をこの順で次々と実行する。Ｓ１７−３で
はデータ変換手段114とデータ変換評価手段１１５を実
行し、Ｓ１７−４で結果をマンマシン装置140に表示す
る。データ変換手段１１４とデータ変換評価手段１１５
の実行形態としては、第１の実施例に示したユーザが初
期掃引ベクトル数ｍを設定する方法でも良いし、初期掃
引ベクトル数ｍの最適値を自動的に探索しする形態でも
良い。タスク起動手段に図１７の機能を備えることによ
り、ユーザは、起動指令を与えるのみで、洗練化データ
ベースの最終結果を得ることができる。

【００４１】これまでの実施例でデータ変換手段１１４
は、選別データベース１２３にあらかじめ蓄えられたデ
ータを対象に量子化を行い、その結果を洗練化データベ
ース１２４にコピーすることで内容の更新を行ったが、
時系列に得られる入力を通信Ｉ／Ｆ１０２から直接次々
と取り込んで量子化を行い、量子化結果を洗練化データ
ベース１２１に出力する方法でも良い。図１８にこの場
合の制御モデル構築支援装置１００の構成を示す。デー
タ収集手段１１０で採取されたデータは、遅れ時間補正
手段１１１，データ選別手段１１２で順次処理を受けた
後、データ変換手段に入力され、洗練化データベースを
変更する処理を行う。本実施例ではデータ変換処理の終
了はユーザにより指示される場合もあれば、一定時間の
経過やプラントから検出したデータセットが一定数に到
達したことで判定される場合もある。掃引ベクトル数を
漸減しｍ＝１になった後は、処理が終了するまでｍ＝１
で洗練化データベースを変更する処理を継続すればよ
い。

【００４２】以上の実施例では制御モデル構築支援手段
１００と制御装置１３０を別構成とし、ネットワーク１
５０を介して結合する構成としたが、一体化してもよ
い。また演算手段１１０のタスクは必要に応じて取捨選
択してもよいし、さらに他の機能を有したタスクを定義
することも容易である。また本実施例ではプラントから
採取したデータをそのまま処理したが、所定の入力レン
ジ幅（たとえば０〜１）に正規化したり対数をとる等の
前処理を、必要に応じて施した後処理に供しても良い。
制御対象１７０として本実施例ではメッキ付着量制御プ
ラントを例に説明したが、制御対象の入力と出力の関係
をモデル化して制御に用いる他の用途にも、本願は広く
用いることができる。また社会システムや経済システム
等のデータベースを扱う他の分野においても、これを洗
練化する目的で幅広く用いることができる。

【００４３】

【発明の効果】本発明によれば、プラントから採取した
データを用いて制御モデルを構築する場合に、下記の効
果を有する制御モデル構築支援システムを構築できる。
まずデータ変換手段を設けたことにより、プラントから
採取した膨大・低質なデータを、ヒストグラム情報等の
制御モデル構築上保存されるべき情報を喪失することな
く、所望のデータ数で良質なデータの集合に自動変換で
きる。

【００４４】またデータ変換評価手段を備えたことで、
変換がどの程度うまく行ったかをユーザは定量的に把握
できる。

【００４５】さらにタスク起動手段に一連の処理をバッ
チ処理する機能を備えたことで、ユーザは起動を指示す
るのみで、制御モデル構築支援装置は、不良データの除
外，入出力信号のタイムラグの補償，データセットの個
数適性化演算，演算結果および有効率の出力を順に行う
ことができる。

【図面の簡単な説明】

【図１】本発明において実現された制御モデル構築支援
装置のブロック図。

【図２】タスク起動手段の処理アルゴリズムの説明図。

【図３】データ収集手段の処理アルゴリズムのフローチ
ャート。

【図４】プラントデータベースの説明図。

【図５】遅れ時間補正手段の処理のフローチャート。

【図６】遅れ時間補正データベースの説明図。

【図７】データ選別手段の処理アルゴリズムのフローチ
ャート。

【図８】選別データベースの説明図。

【図９】データ変換手段のブロック図。

【図１０】洗練化データベース初期化手段の処理アルゴ
リズムのフローチャート。

【図１１】データ変換手段の処理アルゴリズムのフロー
チャート。

【図１２】データ変換評価手段のブロック図。

【図１３】データ変換評価手段の処理アルゴリズムのフ
ローチャート。

【図１４】モデル構築手段の処理アルゴリズムのフロー
チャート。

【図１５】マンマシン装置の表示例の説明図。

【図１６】データ変換手段とデータ変換評価手段を交互
に実行し自動的に最適な洗練化データベースを構築する
アルゴリズムのフローチャート。

【図１７】タスク起動手段が実行するバッチ処理のアル
ゴリズムのフローチャート。

【図１８】制御モデル構築支援装置のその他のブロック
図。

【符号の説明】

１００…制御モデル構築支援装置、１０１…タスク起動
手段、１１１…データ収集手段、１１２…データ定量化
手段、１１３…データ変換手段、１１４…データ分割手
段、１１５…モデル構築手段、１１６…モデル評価手
段、１１７…モデル転送手段、１２１…データベース、
１２２…分割データベース、１３０…制御装置、１４０
…マンマシン装置、１７０…制御対象。

───────────────────────────────────────────────────── フロントページの続き (51)Int.Cl.⁶ 識別記号ＦＩＧ０６Ｆ 15/20 Ｄ (72)発明者熊山治良茨城県日立市大みか町五丁目２番１号株式会社日立製作所大みか工場内 (72)発明者中島正明茨城県日立市大みか町五丁目２番１号株式会社日立製作所大みか工場内

Claims

【特許請求の範囲】

【請求項１】制御モデルの入力と出力に対応した信号を
プラントから採取するデータ収集手段と、データ収集手
段が採取したデータを入力と出力の対からなるデータセ
ットの形態で蓄えるプラントデータベースと、前記デー
タセットから制御モデルを構築する制御モデル構築手段
を備えた制御モデル構築支援装置において、定められた個数のデータセットを備えた洗練化データベ
ースと、前記プラントデータベースから抽出したデータ
セット１を取り込み、前記データセット１と類似度の高
いデータセットを洗練化データベースから複数選択し、
選択されたデータセットのそれぞれについて前記データ
セット１との類似度を高める演算を行うことで前記デー
タセット１が選択されたデータセットを代表する度合い
を大きくし、この処理をプラントデータベースの各デー
タセットについて実行することを所定回数繰り返した
後、選択するデータセット数を減じ、以上の処理を繰り
返してプラントデータベースの各データセットを洗練化
データベースのどのデータセットで代表するかを徐々に
特定することにより、制御モデル構築に適切なデータか
らなり、かつ定められた個数のデータセットを有した洗
練化データベースを構築するデータ変換手段を備え、前
記制御モデル構築手段は洗練化データベースに格納され
たデータセットを用いて制御モデルを構築することを特
徴とする制御モデル構築支援装置。
【請求項２】制御モデルの入力と出力に対応した信号を
プラントから採取するデータ収集手段と、データ収集手
段が採取したデータを入力と出力の対からなるデータセ
ットの形態で蓄えるプラントデータベースと、前記デー
タセットから制御モデルを構築する制御モデル構築手段
を備えた制御モデル構築支援装置において、プラントから採取したデータを制御モデルの入力と出力
の対からなるデータセットの形態で蓄えたプラントデー
タベースから抽出したデータセット１を取り込み、前記
データセット１と類似度の高いデータセットを定められ
た個数のデータセットを備えた洗練化データベースから
複数選択し、選択されたデータセットのそれぞれについ
て前記データセット１との類似度を高める演算を行い、
この処理をプラントデータベースの各データセットにつ
いて実行することを所定回数繰り返した後、選択するデ
ータセット数を減じ、以上の処理を繰り返して、制御モ
デル構築に適切なデータからなり、定められた個数のデ
ータセットを有した洗練化データベースを構築し、洗練
化データベースに格納されたデータセットを用いて制御
モデルを構築することを特徴とする制御モデル構築支援
方法。
【請求項３】前記プラントデータベースから抽出した前
記データセット１を取り込み、前記データセット１と類
似度が最大のデータセットを洗練化データベースから選
択し、選択されたデータセットを記憶し、この処理をプ
ラントデータベースの各データセットについて実行した
後、記憶されているデータセットの数を洗練化データベ
ースに蓄えられているデータセットの数で除した値を前
記データ変換手段の処理が良好に行われた度合いである
有効率として算出し、ユーザに報知するデータ変換評価
手段を備えた請求項１に記載の制御モデル構築支援装
置。